Bert Tiny Cognitive Bias

🚀 BERTを用いた認知的歪みの分類

このモデルは、認知的歪みを分類するためのものです。認知的歪みは、偏った思考パターンで、負の感情や行動、信念につながることがあります。本モデルを使用することで、これらの歪みを検出し、適切な対応を行う手助けができます。

🚀 クイックスタート

⚠️ 重要提示

この記事は現在開発中です。モデルはあなたのデータで再トレーニングするために使用してください。「すぐに使える」解決策ではありません。

✨ 主な機能

問題の説明

認知的歪み とは、偏ったまたは歪曲された思考パターンで、負の感情、行動、信念につながることがあります。これらの歪みはしばしば自動的かつ無意識的で、現実の認識や健全な判断を下す能力に影響を与えることがあります。

いくつかの一般的な認知的歪みのタイプは次の通りです。

1. 個人化: 自分のコントロール外のことを自分自身に責任を負わせること。

例:

• 彼女が私を変な目で見た、彼女は私を批判しているに違いない。
• あのミスをしてしまった、私は本当にやりくりができない奴だ。

2. 感情的推論: 感情を事実と信じ、感情によって行動を左右させること。

例:

• 私は自分が十分ではないと感じるので、私は不十分なはずだ。
• 彼らは私を誘ってくれないので、彼らは私が好きではないに違いない。

3. 過剰一般化: 単一の事件や証拠に基づいて広い結論を引き出すこと。

例:

• 彼は私の話を決して聞かない、彼はただ私の上に話しかけるだけだ。
• 誰もいつも私のニーズを無視する。

4. ラベル付け: 特定の行動や特性に基づいて自分自身や他人に否定的または極端なラベルを付けること。

例:

• 私は本当に失望させる存在だ。
• 彼はまったくの馬鹿だ。

5. 「すべき」陳述: 自分自身や他人に対する非現実的または達成不可能な期待に基づく、硬直的で柔軟性のない思考。

例:

• 私は何かに失敗してはならない。
• 彼らは常に他人のニーズを自分のニーズよりも優先しなければならない。

6. 大げさ化: 状況で最悪の結果を想定し、それを過大評価すること。

例:

• それはすべて時間の無駄になる、彼らは決して成功しないだろう。
• もし昇進しなければ、私のキャリアは終わりだ。

7. 報酬の誤謬: すべての肯定的な行動や成果に対して報酬や認識を受けるべきだと信じること。

例:

• もし私が十分に一生懸命働けば、彼らは私が望む昇給をしてくれる。
• もし彼らが私の貢献を評価しなければ、私は怠け始める。

モデルの説明

これは、マスク言語モデリングの目的で英語で事前学習された、より小さなBERTバリアントの1つです。BERTは この論文 で紹介され、 このリポジトリ で最初に公開されました。

📦 インストール

このセクションでは、インストールに関する具体的な手順が提供されていないため、省略します。

💻 使用例

基本的な使用法

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("amedvedev/bert-tiny-cognitive-bias")
model = AutoModelForSequenceClassification.from_pretrained("amedvedev/bert-tiny-cognitive-bias")

inputs = tokenizer("He must never disappoint anyone.", return_tensors="pt")
with torch.no_grad():
    logits = model(**inputs).logits

predicted_class_id = logits.argmax().item()
model.config.id2label[predicted_class_id]

📚 ドキュメント

メトリクス

モデルのラベル別の精度:

各ラベルの詳細:

参考文献

このセクションでは、参考文献に関する具体的な内容が提供されていないため、省略します。

📄 ライセンス

このプロジェクトはBSD 3条項ライセンスの下でライセンスされています。