การวิเคราะห์ความรู้สึกที่อธิบายได้
การวิเคราะห์ความรู้สึกที่อธิบายได้ (Explainable sentiment analysis) เป็นการจับคู่โมเดลจำแนกความรู้สึก ซึ่งโดยทั่วไปคือโมเดลทรานส์ฟอร์มเมอร์ที่ปรับแต่งเพิ่มเติม เช่น BERT หรือ RoBERTa เข้ากับวิธีการอธิบายผลแบบหลังการฝึก (post-hoc) หรือแบบภายในตัว (intrinsic) เช่น SHAP, LIME, การแสดงภาพความใส่ใจ (attention visualization) หรือ integrated gradients ซึ่งจะเปิดเผยว่าคำ วลี หรือลักษณะใดที่ขับเคลื่อนการทำนายแต่ละครั้ง เป้าหมายคือเพื่อให้ได้ทั้งความแม่นยำในการทำนายสูงและเหตุผลที่โปร่งใส ตรวจสอบได้ สำหรับแต่ละป้ายกำกับ
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 ACL and the 10th IJCNLP, 447–459. link ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A Unified Approach to Interpreting Model Predictions. Advances in Neural Information Processing Systems (NeurIPS), 30, 4765–4774. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Explainable Sentiment Analysis (XAI-augmented Opinion Mining). ScholarGate. https://scholargate.app/th/deep-learning/explainable-sentiment-analysis
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
- การจำแนกประเภทโดยใช้ RoBERTaการเรียนรู้เชิงลึก↔ compare
- Sentence Embeddingsการเรียนรู้เชิงลึก↔ compare
- การสร้างแบบจำลองหัวข้อ (Topic Modeling)การเรียนรู้เชิงลึก↔ compare