Roberta Argument

🚀 RoBERTArg模型

RoBERTArg模型可用于将文本分类为“非论点”和“论点”两类，它基于约25k条有争议话题的人工标注句子进行训练，能在论点挖掘领域发挥一定作用。

🚀 快速开始

本模型可作为深入探索论点挖掘这一令人兴奋领域的起点。不过需要注意，由于论点结构复杂且存在多种依赖关系，模型在训练集未涵盖的不同主题和文本类型上的表现可能欠佳。

✨ 主要特性

• 该模型在约25k条有争议话题的人工标注句子上进行训练，能够将文本分类为非论点（0）和论点（1）两个标签。
• 训练数据集聚焦于八个有争议的话题，包括堕胎、校服、死刑、大麻合法化、核能、克隆、枪支管制和最低工资。

📚 详细文档

🤖 模型描述

此模型在约25k条有争议话题的异构人工标注句子（📚 Stab等人，2018）上进行训练，用于将文本分类为以下两个标签之一：🏷 非论点（0）和论点（1）。

🗃 数据集

该数据集（📚 Stab等人，2018）包含约11k条论点，如果句子包含支持或反对某个话题的相关理由，则将其归为论点；若不包含理由，则归为约14k条的非论点。作者专注于有争议的话题，即那些“对可能的结果有明显极性”的话题，并整理出了八个有争议话题的最终集合：堕胎、校服、死刑、大麻合法化、核能、克隆、枪支管制和最低工资。

🏃🏼‍♂️ 模型训练

RoBERTArg是在HuggingFace的RoBERTA（基础版）预训练模型上进行微调的，使用HuggingFace训练器，并采用了以下超参数：

training_args = TrainingArguments(
    num_train_epochs=2,
    learning_rate=2.3102e-06,
    seed=8,
    per_device_train_batch_size=64,
    per_device_eval_batch_size=64,
)

📊 评估

该模型在评估集（20%）上进行了评估：

再次使用评估集展示混淆矩阵：

⚠️ 预期用途与潜在限制

该模型仅能作为深入探索论点挖掘这一令人兴奋领域的起点。但需注意，论点是一种复杂的结构，存在多种依赖关系。因此，该模型在训练集未涵盖的不同主题和文本类型上的表现可能欠佳。

🐦 推特：@chklamm