文本数据锚点的深度分析

May, 2022

A Sea of Words: An In-Depth Analysis of Anchors for Text Data

Gianluigi Lopardo, Frederic Precioso, Damien Garreau

TL;DR本文首次对 Anchors 方法进行了理论分析，针对文本分类算法，使用 TF-IDF 向量化步骤，将词语替换为固定的词汇表外标记，探究了基于规则的解释性方法在不同模型上的行为，并通过对神经网络的实证研究显示了 Anchors 选择模型输入的局部梯度相对应的词语。

Abstract

anchors (Ribeiro et al., 2018) is a post-hoc, rule-based interpretability method. For text data, it proposes to explain a decision by high

anchors interpretability text data algorithm neural networks

发现论文，激发创造

可解释的基于锚点的主题推断的低维嵌入

本文介绍了一种改进锚点算法的方法，通过在可视化的低维空间中寻找精确凸包来提高主题模型的质量和可解释性。

Nov, 2017

锚定词互动主题建模

本文介绍了一种协议，它允许用户与锚定词进行交互以构建定制和可解释的主题模型，并提供了实验证据来证明我们方法的实用性。

Jun, 2019

Anchor Prediction: 互联网链接的自动优化

通过预测专业网页链接的目标页面中与来源上下文最相关的部分，可以更加有效地帮助读者在链接网页中发现信息。我们引入了作者锚点数据集和读者锚点评估集来分析这个问题，并使用 T5-based 排名方法作为性能基准。

May, 2023

锚点预测：一种基于主题建模的方法

本文提出了一种上下文相关的关系主题模型 (CRTM)，可用于自动识别源文档中的锚点，无需依赖先前提到的字典或任何外部知识图谱，并可以自动建议链接，展示了该方法在英语、意大利语和德语的维基百科语料库上的实用性。

May, 2022

无 Anchor 相关主题建模：可辨识性和算法

本文提出了一种基于二阶矩的无锚点主题挖掘框架，采用一次特征值分解和少量线性规划，只需较弱的条件即可确保识别主题，并在实践中表现出更好的鲁棒性。

Nov, 2016

基于 Web 锚点的无监督密集检索训练

本文研究了一种基于对比学习的无监督检索方法，应用于网络锚点文本，提出了一种去除非信息锚点的筛选技术，并展示了该方法的性能优于目前的先进方法，特别适用于搜索和问答任务。

May, 2023

利用锚文本信息预测维基百科链接

本文针对维基百科上的网页结构，研究了基于锚文本信息的链接预测的困难性和算法，提出了合适的评估抽样方法及基准模型.

May, 2021

锚定函数：一类用于研究语言模型的基准函数

了解基于 Transformer 的语言模型对于推进人工智能通用性至关重要，而学术研究团队面临着复杂的数据结构、未知的目标函数、高计算成本和内存需求以及推理过程缺乏可解释性等重大挑战。本文引入锚函数的概念，为研究遵循 “锚 - 键” 模式的学习任务中语言模型设计了一种基准函数，从而构建了一系列模拟各种语言任务的函数。通过示例展示了锚函数的实用性，并揭示了语言模型中注意力结构的两个基本操作：标记位移和一个标记从一个位置广播到多个位置。因此，锚函数框架为进一步探索有价值且易于研究的问题开启了研究空间，尤其是理论研究方面。

Jan, 2024

通过锚定相关性解释实现可解释的主题发现

使用模糊和非正式的专家知识指导文本中解释性潜在主题的发现，结合了信息瓶颈和总相关性解释方法，对 Anchored CorEx 进行了初步评估，并在两个不同的语料库上产生了更连贯和可解释的主题。

Jun, 2016

加速全球局部解释的聚合

对 Anchor 算法进行加速计算和降低偏见的概率模型

Dec, 2023