Bert Tiny Cognitive Bias

🚀 使用Bert進行認知扭曲分類

本項目旨在利用Bert模型對認知扭曲進行分類，幫助識別常見的思維偏差模式，為心理健康分析提供支持。

🚀 快速開始

單標籤分類示例

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]

✨ 主要特性

• 精準分類：能夠準確識別多種常見的認知扭曲類型，如個人化、情緒推理、過度概括等。
• 基於Bert：採用預訓練的Bert模型，在英文文本上有良好的表現。

📚 詳細文檔

問題描述

認知扭曲是指有偏差或扭曲的思維模式，會導致負面情緒、行為和信念。這些扭曲往往是自動且無意識的，會影響一個人對現實的認知和做出合理判斷的能力。

一些常見的認知扭曲類型包括：

1. 個人化：將超出自己控制範圍的事情歸咎於自己。
   • 示例：
     • 她奇怪地看了我一眼，她肯定在評判我。
     • 真不敢相信我犯了那個錯誤，我真是個失敗者。
2. 情緒推理：認為感覺就是事實，並讓情緒驅動自己的行為。
   • 示例：
     • 我覺得自己不夠好，所以我一定是不足的。
     • 他們從不邀請我出去，所以他們一定不喜歡我。
3. 過度概括：基於單一事件或證據得出廣泛的結論。
   • 示例：
     • 他從不聽我說話，總是打斷我。
     • 每個人總是忽略我的需求。
4. 貼標籤：根據特定行為或特徵給自己或他人貼上負面或極端的標籤。
   • 示例：
     • 我真是個令人失望的人。
     • 他是個十足的混蛋。
5. 應該陳述：基於對自己或他人不現實或無法實現的期望進行僵化、不靈活的思考。
   • 示例：
     • 我絕不能在任何事情上失敗。
     • 他們必須總是把別人的需求放在自己的需求之前。
6. 災難化：假設在某種情況下會出現最糟糕的結果，並誇大其嚴重性。
   • 示例：
     • 這一切都將是浪費時間，他們永遠不會成功。
     • 如果我得不到晉升，我的整個職業生涯就完了。
7. 獎勵謬誤：認為每一個積極的行動或成就都應該得到獎勵或認可。
   • 示例：
     • 如果我足夠努力工作，他們會給我想要的加薪。
     • 如果他們不欣賞我的貢獻，我就開始偷懶。

模型描述

這是較小的BERT變體之一，使用掩碼語言建模目標在英語語言上進行了預訓練。BERT在這篇論文中被提出，並首次在這個倉庫中發佈。

指標

按標籤的模型準確率

平均模型準確率

參考資料

[正在完善中]

📄 許可證

本項目採用BSD 3條款許可證。

⚠️ 重要提示

本文檔正在開發中，請使用該模型在您自己的數據上進行再訓練，而不是將其作為“即用型”解決方案。