Xlm R Finetuned Toxic Political Tweets Es

🚀 XLM - R微調西班牙政治毒性推文檢測模型

本模型基於預訓練模型 [xlm - roberta - base](https://huggingface.co/xlm - roberta - base)，並在標註了政治毒性程度的 西班牙眾議院 議員推文數據集上進行了微調。該模型可有效檢測西班牙政治推文的毒性，為分析政治言論提供有力支持。

🚀 快速開始

本模型可直接通過文本分類管道使用，以下是使用示例：

>>> from transformers import pipeline
>>> text = "Es usted un auténtico impresentable, su señoría."
>>> pipe = pipeline("text - classification", model="Newtral/xlm - r - finetuned - toxic - political - tweets - es")
>>> pipe(text, return_all_scores=True)

[[{'label': 'toxic', 'score': 0.92560875415802},
  {'label': 'very toxic', 'score': 0.8310967683792114}]]

✨ 主要特性

• 精準預測：能夠預測政治毒性的兩個信號，即“有毒”和“劇毒”，併為每個信號輸出 0 到 1 之間的預測值。
• 針對性訓練：基於 2021 年西班牙政治家發佈的西班牙語推文文本進行訓練，對該領域文本有較好的檢測效果。

📦 安裝指南

文檔未提及安裝步驟，暫不提供。

💻 使用示例

基礎用法

>>> from transformers import pipeline
>>> text = "Es usted un auténtico impresentable, su señoría."
>>> pipe = pipeline("text - classification", model="Newtral/xlm - r - finetuned - toxic - political - tweets - es")
>>> pipe(text, return_all_scores=True)

[[{'label': 'toxic', 'score': 0.92560875415802},
  {'label': 'very toxic', 'score': 0.8310967683792114}]]

高級用法

由於文檔未提供高級用法相關代碼，暫不展示。

📚 詳細文檔

輸入

模型基於 2021 年西班牙政治家發佈的西班牙語推文文本進行訓練，因此期望的輸入為該領域的文本。當應用於其他領域的文本時，模型性能可能會下降。

輸出

模型預測政治毒性的兩個信號：

• 有毒：推文至少具有一定程度的毒性。
• 劇毒：推文具有強烈程度的毒性。 每個信號會輸出一個 0 到 1 之間的預測值。

預期用途和限制

本模型旨在作為西班牙眾議院議員西班牙語推文的毒性檢測器。如果用於其他用途，例如電影評論的毒性檢測，結果將不可靠，建議尋找具有特定用途的其他模型。

🔧 技術細節

訓練過程

預訓練模型使用以下從驗證集中選擇的超參數進行序列分類微調：

• 批量大小 = 32
• 學習率 = 2e - 5
• 訓練輪數 = 5
• 最大長度 = 64 使用的優化器是 AdamW，優化的損失函數是帶有與類別不平衡成比例的類別權重的二元交叉熵。

📄 許可證

本模型使用 Apache - 2.0 許可證。