【EMNLP2020】自然语言处理模型可解释性预测，182页ppt

EMNLP（Conference on Empirical Methods in Natural Language Processing）是计算语言学和自然语言处理领域的顶级国际会议，由ACL旗下SIGDAT组织，每年举办一次，Google Scholar计算语言学刊物指标中排名第二，是CCF-B类推荐会议。今年EMNLP 2020将于2020年11月16日至20日以在线会议的形式举办。本篇为大家带来EMNLP2020在线Tutorial《Interpreting Predictions of NLP Models》教程，系统性讲解了自然语言处理模型可解释性预测，不可错过！

虽然神经NLP模型具有高度的表示学习能力和良好性能，但它们也会以违反直觉的方式系统性失败，并且在决策过程中不透明。本教程将提供可解释技术的背景知识，即可解释NLP模型预测的方法。我们将首先将具体实例的解释置于理解模型的其他方法的上下文中(例如，探测，数据集分析)。接下来，我们将全面研究具体例子的解释，包括显著性映射、输入扰动(例如LIME、输入减少)、对抗性攻击和影响函数。除了这些描述之外，我们还将介绍为各种NLP任务创建和可视化解释的源代码。最后，我们将讨论该领域的开放问题，如评价、扩展和改进解释方法。

https://github.com/Eric-Wallace/interpretability-tutorial-emnlp2020/

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“IPNLP” 就可以获取《【EMNLP2020】自然语言处理模型可解释性预测，182页ppt》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源