Bias Identificaiton45

🚀 bias_identificaiton45

該模型是一個用於識別大語言模型中偏見類型的文本分類模型，它基於自定義數據集對基礎模型進行微調，能夠將輸入文本分類為10種偏見類別之一。

🚀 快速開始

你可以使用Hugging Face的transformers庫來加載這個模型，示例代碼如下：

# Load model directly
from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("PriyaPatel/bias_identificaiton45")
model = AutoModelForSequenceClassification.from_pretrained("PriyaPatel/bias_identificaiton45") 

# Example usage
inputs = tokenizer("Your text here", return_tensors="tf")
outputs = model(**inputs)

✨ 主要特性

• 偏見檢測：能夠識別並分類句子或文本片段中的偏見類型。
• 研究用途：可用於分析和理解自然語言處理模型中的偏見。

📚 詳細文檔

模型描述

這個模型是cardiffnlp/twitter-roberta-base-sentiment-latest的微調版本，基於自定義數據集進行訓練，用於識別大語言模型中的偏見。它可以將輸入文本分類為10種偏見類別之一。

預期用途與限制

預期用途

• 偏見檢測：識別並分類句子或文本片段中的偏見類型。
• 研究：分析和理解自然語言處理模型中的偏見。

限制

• 領域特定性：該模型的性能針對訓練數據所代表的領域進行了優化。
• 非通用情感分析：此模型並非用於通用的情感分析或其他NLP任務。

訓練使用的數據集

該數據集旨在分析語言模型中存在的各種刻板偏見。它整合了多個公開可用數據集的數據，每個數據集都有助於識別特定類型的偏見。 數據集鏈接：PriyaPatel/Bias_identification

數據集中包含10種類型的偏見，每種偏見都有對應的標籤，具體如下：

1. 種族/膚色 - 0
2. 社會經濟地位 - 1
3. 性別 - 2
4. 殘疾 - 3
5. 國籍 - 4
6. 性取向 - 5
7. 外貌 - 6
8. 宗教 - 7
9. 年齡 - 8
10. 職業 - 9

訓練過程

• 基礎模型：cardiffnlp/twitter-roberta-base-sentiment-latest
• 優化器：Adam，學習率為0.00001
• 損失函數：Sparse Categorical Crossentropy
• 批量大小：20
• 訓練輪數：3

訓練超參數

• 學習率：0.00001
• 優化器：Adam
• 損失函數：Sparse Categorical Crossentropy
• 批量大小：20
• 訓練輪數：3

訓練結果

• 驗證損失：0.0744
• 驗證準確率：0.9825
• 測試損失：0.0715
• 測試準確率：0.9832

🔧 技術細節

模型信息表格