การรู้จำเอนทิตีที่มีคำอธิบาย (Explainable Named Entity Recognition)
การรู้จำเอนทิตีที่มีคำอธิบาย (Explainable Named Entity Recognition - XAI-NER) เป็นการรวมโมเดล NER มาตรฐาน ซึ่งโดยทั่วไปคือตัวจัดลำดับลำดับ (sequence labeler) ที่ใช้ BERT หรือ BiLSTM-CRF เข้ากับเทคนิคการอธิบายผลแบบ post-hoc หรือแบบ intrinsic เช่น LIME, SHAP, การแสดงภาพความสนใจ (attention visualization) หรือ saliency ที่ใช้ gradient เพื่อเปิดเผยว่าเหตุใดแต่ละโทเค็นจึงถูกกำหนดป้ายกำกับเอนทิตีเฉพาะ การแสดงความโปร่งใสนี้จำเป็นอย่างยิ่งในโดเมนที่มีความเสี่ยงสูง เช่น ข้อความทางคลินิก เอกสารทางกฎหมาย และวรรณกรรมชีวการแพทย์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Danilevsky, M., Qian, K., Aharonov, R., Katsis, Y., Kawas, B., & Sen, P. (2020). A Survey of the State of Explainable AI for Natural Language Processing. Proceedings of the 1st Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics (AACL-IJCNLP), pp. 447–459. link ↗
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). "Why Should I Trust You?": Explaining the Predictions of Any Classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 1135–1144. DOI: 10.1145/2939672.2939778 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Explainable Named Entity Recognition (XAI-NER). ScholarGate. https://scholargate.app/th/deep-learning/explainable-named-entity-recognition
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ BERT ที่อธิบายได้การเรียนรู้เชิงลึก↔ compare
- การวิเคราะห์ความรู้สึกที่อธิบายได้การเรียนรู้เชิงลึก↔ compare
- การสรุปข้อความที่อธิบายได้การเรียนรู้เชิงลึก↔ compare
- ทรานส์ฟอร์มเมอร์ที่อธิบายได้การเรียนรู้เชิงลึก↔ compare
- การรู้จำหน่วยคำนาม (Named Entity Recognition - NER)การทำเหมืองข้อความ↔ compare