Popbert

🚀 PopBERT

PopBERT是一個用於檢測德國聯邦議院政治演講中德語民粹主義的模型，它基於deepset/gbert-large模型：https://huggingface.co/deepset/gbert-large 。該模型能夠解決在德語政治演講中識別民粹主義相關特徵的問題，為政治文本分析提供了有力支持。

🚀 快速開始

PopBERT是一個用於檢測德國聯邦議院政治演講中德語民粹主義的模型，基於deepset/gbert-large模型。它是一個多標籤模型，在第18和第19立法期的手動整理句子數據集上進行訓練。除了捕捉民粹主義的基本維度，即“反精英主義”和“以人民為中心”之外，該模型還經過微調，以識別潛在的意識形態傾向是“左翼”還是“右翼”。

✨ 主要特性

• 基於deepset/gbert-large模型，用於檢測德國聯邦議院政治演講中的德語民粹主義。
• 多標籤模型，可識別“反精英主義”“以人民為中心”“左翼”和“右翼”等維度。
• 在手動整理的數據集上訓練，能更精準地捕捉民粹主義特徵。

📦 安裝指南

此文檔未提及具體安裝步驟，若需使用該模型，可參考transformers庫的安裝方法。

💻 使用示例

基礎用法

import torch
from transformers import AutoModelForSequenceClassification
from transformers import AutoTokenizer

# load tokenizer
tokenizer = AutoTokenizer.from_pretrained("luerhard/PopBERT")

# load model
model = AutoModelForSequenceClassification.from_pretrained("luerhard/PopBERT")

# define text to be predicted
text = (
    "Das ist Klassenkampf von oben, das ist Klassenkampf im Interesse von "
    "Vermögenden und Besitzenden gegen die Mehrheit der Steuerzahlerinnen und "
    "Steuerzahler auf dieser Erde."
)

# encode text with tokenizer
encodings = tokenizer(text, return_tensors="pt")

# predict
with torch.inference_mode():
    out = model(**encodings)

# get probabilties
probs = torch.nn.functional.sigmoid(out.logits)
print(probs.detach().numpy())

運行上述代碼後，輸出結果如下：

[[0.8765146  0.34838045 0.983123   0.02148379]]

高級用法

為了最大化性能，建議針對每個維度使用以下閾值：

[0.415961, 0.295400, 0.429109, 0.302714]

使用這些閾值，模型在測試集上達到以下性能：

📚 詳細文檔

預測結果說明

模型輸出一個長度為4的張量。下表將預測概率的位置與其維度相關聯：

📄 許可證

本項目採用MIT許可證。