Explainability of Text Processing and Retrieval Methods: A Survey
Created by
Haebom
저자
Sourav Saha, Debapriyo Majumdar, Mandar Mitra
개요
본 논문은 자연어 처리와 정보 검색 분야에서 널리 사용되는 심층 학습 및 기계 학습 모델의 설명 가능성과 해석 가능성에 대한 광범위한 개요를 제공합니다. 특히, 단어 임베딩, 시퀀스 모델링, 어텐션 모듈, 트랜스포머, BERT, 문서 순위 지정에 적용된 접근 방식을 조사합니다. 비선형 구조로 인해 불투명한 심층 학습 및 기계 학습 모델의 투명성을 높이기 위한 연구 동향을 제시하며, 향후 연구 방향을 제안합니다.
시사점, 한계점
•
시사점:
◦
자연어 처리 및 정보 검색 분야에서 설명 가능한 AI (XAI) 연구의 현황을 종합적으로 파악할 수 있음.
◦
다양한 모델 (단어 임베딩, 시퀀스 모델링, 어텐션, 트랜스포머, BERT 등)에 대한 설명 가능성 연구 접근법을 제시함.
◦
향후 연구 방향 제시를 통해 XAI 연구의 발전에 기여함.
•
한계점:
◦
본 논문은 개요 및 연구 동향 제시에 초점을 맞추고 있어, 각 접근법에 대한 심층적인 분석은 부족할 수 있음.
