제로샷 의료 초록 분류를 위한 DeBERTa-v3 비교 설명 가능성 프레임워크

요약

본 연구는 의료 초록의 제로샷 분류 환경에서 DeBERTa-v3 모델을 평가하기 위한 비교 설명 가능성 프레임워크를 제시합니다. SHAP, LIME 등 다양한 기여도 방법론들을 비교하고, 예측 정확도와 함께 설명 가능성의 안정성을 정량적으로 분석했습니다. 그 결과, 임상 온톨로지 기반의 분류가 더 효과적이며, 모델 감사 시 여러 방법을 결합하는 것이 중요함을 보여줍니다.

핵심 포인트

• 다양한 기여도 방법론(SHAP, LIME 등)을 비교하여 설명 가능성을 평가함.
• 설명 가능성 안정성은 예측 확신도와 직접적으로 연관됨.
• 의료 텍스트 분류 시 임상 온톨로지 기반 접근이 효과적임.
• 어휘적 과민성 등 세 가지 실패 메커니즘을 발견함.