关键词sequence classification tasks
搜索结果 - 3
- 关于 BERT 说明解释的实证研究:序列分类
本文对 BERT 在序列分类任务中的决策方法进行解释,并对现有的四种属性方法进行了广泛的分析,以应用于四个不同的情感分析数据集。通过各种消融研究比较了每种方法的可靠性和稳健性,并测试属性方法是否能解释语义上相似的任务的广义语义。
- 使用可接受的神经启发式学习可微分程序
研究解决学习特定领域语言中表达的可微分函数的问题,通过将神经网络的不同类视为对程序空间的松弛,并在一系列分类任务中实例化遗传算法和分支界限搜索来发现自然解释和有竞争力的程序分类器。
- 坚持承诺:(如何)让注意力成为解释?
研究关注机制在 NLP 中的应用,提出了一个针对循环网络序列分类任务中存在的问题的解决方法,并给出了证明,说明关注机制可以提供循环模型的可靠解释。