Sloberta Frenk Hate

🚀 斯洛文尼亞語仇恨言論文本分類模型

本項目基於EMBEDDIA/sloberta構建了一個文本分類模型，該模型在包含LGBT和移民仇恨言論的FRENK數據集上進行了微調。僅使用了數據集中的斯洛文尼亞語子集進行微調，並且該數據集已重新標記用於二分類（冒犯性或可接受）。

🚀 快速開始

本模型基於EMBEDDIA/sloberta，並在特定數據集上進行了微調。你可以參考以下使用示例快速上手。

✨ 主要特性

• 基於EMBEDDIA/sloberta模型，在特定仇恨言論數據集上微調。
• 僅使用斯洛文尼亞語子集數據進行微調，適用於斯洛文尼亞語的仇恨言論分類。
• 進行了二分類任務，可判斷文本是否具有冒犯性。

📦 安裝指南

文檔未提及安裝步驟，可參考simpletransformers庫的官方安裝說明。

💻 使用示例

基礎用法

from simpletransformers.classification import ClassificationModel
model_args = {
        "num_train_epochs": 6,
        "learning_rate": 3e-6,
        "train_batch_size": 69}

model = ClassificationModel(
    "camembert", "5roop/sloberta-frenk-hate", use_cuda=True,
    args=model_args
    
)

predictions, logit_output = model.predict(["Silva, ti si grda in neprijazna", "Naša hiša ima dimnik"])
predictions
### Output:
### array([1, 0])

📚 詳細文檔

微調超參數

使用simpletransformers進行微調。事先進行了簡要的超參數優化，推測的最優超參數如下：

model_args = {
        "num_train_epochs": 14,
        "learning_rate": 1e-5,
        "train_batch_size": 21,
        }

性能表現

為了進行比較，使用相同的管道對另外兩個Transformer模型和fasttext進行了運行。記錄了6次微調會話中每個模型的準確率和宏F1分數，並進行了事後分析。

根據記錄的準確率和宏F1分數，還計算了p值：

與crosloengual-bert的比較：

與xlm-roberta-base的比較：

🔧 技術細節

本模型基於EMBEDDIA/sloberta，使用simpletransformers庫進行微調。在微調前進行了超參數優化，以提高模型性能。通過在特定的仇恨言論數據集上進行訓練，使得模型能夠對斯洛文尼亞語的仇恨言論進行分類。

📄 許可證

本項目採用CC BY-SA 4.0許可證。

📖 引用

如果你使用了該模型，請引用以下論文和數據集：

模型引用論文

@article{DBLP:journals/corr/abs-1907-11692,
  author    = {Yinhan Liu and
               Myle Ott and
               Naman Goyal and
               Jingfei Du and
               Mandar Joshi and
               Danqi Chen and
               Omer Levy and
               Mike Lewis and
               Luke Zettlemoyer and
               Veselin Stoyanov},
  title     = {RoBERTa: {A} Robustly Optimized {BERT} Pretraining Approach},
  journal   = {CoRR},
  volume    = {abs/1907.11692},
  year      = {2019},
  url       = {http://arxiv.org/abs/1907.11692},
  archivePrefix = {arXiv},
  eprint    = {1907.11692},
  timestamp = {Thu, 01 Aug 2019 08:59:33 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-1907-11692.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

微調數據集引用

@misc{ljubešić2019frenk,
      title={The FRENK Datasets of Socially Unacceptable Discourse in Slovene and English}, 
      author={Nikola Ljubešić and Darja Fišer and Tomaž Erjavec},
      year={2019},
      eprint={1906.02045},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/1906.02045}
}