该文综述可解释深度学习研究：利用拓扑与几何数据分析推断文本分类模型的突出特征并验证决策稳定性；对LIME算法进行理论分析，发现参数不当会遗漏重要特征，但在简单模型上可提供有意义解释；总结并评估解释性可视化方法；还涉及职业预测、商标混淆风险、信用风险评估及大学入学预测等应用，强调可解释性对可信度的重要性。