Popbert

🚀 PopBERT

PopBERT是一个用于检测德国联邦议院政治演讲中德语民粹主义的模型，它基于deepset/gbert-large模型：https://huggingface.co/deepset/gbert-large 。该模型能够解决在德语政治演讲中识别民粹主义相关特征的问题，为政治文本分析提供了有力支持。

🚀 快速开始

PopBERT是一个用于检测德国联邦议院政治演讲中德语民粹主义的模型，基于deepset/gbert-large模型。它是一个多标签模型，在第18和第19立法期的手动整理句子数据集上进行训练。除了捕捉民粹主义的基本维度，即“反精英主义”和“以人民为中心”之外，该模型还经过微调，以识别潜在的意识形态倾向是“左翼”还是“右翼”。

✨ 主要特性

• 基于deepset/gbert-large模型，用于检测德国联邦议院政治演讲中的德语民粹主义。
• 多标签模型，可识别“反精英主义”“以人民为中心”“左翼”和“右翼”等维度。
• 在手动整理的数据集上训练，能更精准地捕捉民粹主义特征。

📦 安装指南

此文档未提及具体安装步骤，若需使用该模型，可参考transformers库的安装方法。

💻 使用示例

基础用法

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())

运行上述代码后，输出结果如下：

[[0.8765146  0.34838045 0.983123   0.02148379]]

高级用法

为了最大化性能，建议针对每个维度使用以下阈值：

[0.415961, 0.295400, 0.429109, 0.302714]

使用这些阈值，模型在测试集上达到以下性能：

📚 详细文档

预测结果说明

模型输出一个长度为4的张量。下表将预测概率的位置与其维度相关联：

📄 许可证

本项目采用MIT许可证。