Roberta Fact Check

🚀 Roberta事實核查模型

Roberta事實核查模型是一個深度學習模型，它採用Roberta架構進行文本分類。該模型旨在根據提供的證據，將聲明分類為“支持”或“反駁”。

🚀 快速開始

Roberta事實核查模型可用於對聲明進行事實核查。你只需將聲明和相應的證據作為輸入傳遞給模型，就能得到一個標籤，表明證據是支持還是反駁該聲明。該模型可集成到各種應用程序中，用於事實核查和虛假信息檢測。

✨ 主要特性

• 基於Roberta架構，適用於文本分類任務。
• 能夠根據給定證據，判斷聲明是被支持還是被反駁。

📦 安裝指南

暫未提及具體安裝步驟，可參考transformers庫的安裝方式來使用該模型。

💻 使用示例

基礎用法

import torch
from transformers import RobertaTokenizer, RobertaForSequenceClassification

# Load the tokenizer and model
tokenizer = RobertaTokenizer.from_pretrained('Dzeniks/roberta-fact-check')
model = RobertaForSequenceClassification.from_pretrained('Dzeniks/roberta-fact-check')

# Define the claim with evidence to classify
claim = "Albert Einstein work in the field of computer science"
evidence = "Albert Einstein was a German-born theoretical physicist, widely acknowledged to be one of the greatest and most influential physicists of all time."

# Tokenize the claim with evidence
x = tokenizer.encode_plus(claim, evidence, return_tensors="pt")

model.eval()
with torch.no_grad():
  prediction = model(**x)

label = torch.argmax(prediction[0]).item()

print(f"Label: {label}")

📚 詳細文檔

模型訓練

該模型使用Adam優化器進行訓練，學習率為2 - 4e，epsilon為1 - 8，權重衰減為2 - 8e。訓練數據集主要由FEVER和Hover數據集組成，同時包含一小部分手動創建的數據。

輸入與輸出

• 輸入：模型接受一個聲明和相應的證據作為輸入。
• 輸出：返回一個標籤，表明證據是支持還是反駁該聲明。可能的標籤有：
  • 0：支持
  • 1：反駁

📄 許可證

本模型採用MIT許可證。

致謝

本模型使用Hugging Face的transformers庫開發，並在FEVER和Hover數據集上進行訓練。感謝這些數據集的開發者為社區做出的貢獻。

免責聲明

儘管Roberta事實核查模型在大型數據集上進行了訓練，並且在許多情況下可以提供準確的結果，但它並不總是能給出正確的結果。用戶在根據任何機器學習模型的輸出做出決策時，應始終保持謹慎。