Moderationbert En 02

🚀 ModerationBERT-ML-En

ModerationBERT-ML-En 是一个基于 bert-base-multilingual-cased 的审核模型。该模型旨在执行文本审核任务，具体来说，是将文本分类为 18 个不同的类别。目前，它仅支持处理英文文本。

🚀 快速开始

安装指南

若要使用 ModerationBERT-ML-En，你需要从 Hugging Face 安装 transformers 库以及 torch。

pip install transformers torch

使用示例

以下是一个使用 ModerationBERT-ML-En 对给定文本进行审核类别预测的示例：

import json
import torch
from transformers import BertTokenizer, BertForSequenceClassification

# Load the tokenizer and model
model_name = "ifmain/ModerationBERT-En-02"
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name, num_labels=18)

# Device configuration
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model.to(device)

def predict(text, model, tokenizer):
    encoding = tokenizer.encode_plus(
        text,
        add_special_tokens=True,
        max_length=128,
        return_token_type_ids=False,
        padding='max_length',
        truncation=True,
        return_attention_mask=True,
        return_tensors='pt'
    )
    input_ids = encoding['input_ids'].to(device)
    attention_mask = encoding['attention_mask'].to(device)
    model.eval()
    with torch.no_grad():
        outputs = model(input_ids, attention_mask=attention_mask)
    predictions = torch.sigmoid(outputs.logits)  # Convert logits to probabilities
    return predictions

# Example usage
new_text = "Fuck off stuped trash"
predictions = predict(new_text, model, tokenizer)

# Define the categories
categories = ['harassment', 'harassment_threatening', 'hate', 'hate_threatening', 
              'self_harm', 'self_harm_instructions', 'self_harm_intent', 'sexual', 
              'sexual_minors', 'violence', 'violence_graphic', 'self-harm', 
              'sexual/minors', 'hate/threatening', 'violence/graphic', 
              'self-harm/intent', 'self-harm/instructions', 'harassment/threatening']

# Convert predictions to a dictionary
category_scores = {categories[i]: predictions[0][i].item() for i in range(len(categories))}

output = {
    "text": new_text,
    "category_scores": category_scores
}

# Print the result as a JSON with indentation
print(json.dumps(output, indent=4, ensure_ascii=False))

输出结果如下：

{
    "text": "Fuck off stuped trash",
    "category_scores": {
        "harassment": 0.9272650480270386,
        "harassment_threatening": 0.0013139015063643456,
        "hate": 0.011709265410900116,
        "hate_threatening": 1.1083522622357123e-05,
        "self_harm": 0.00039102151640690863,
        "self_harm_instructions": 0.0002464024000801146,
        "self_harm_intent": 0.00031603744719177485,
        "sexual": 0.020730027928948402,
        "sexual_minors": 0.00018848323088604957,
        "violence": 0.008375612087547779,
        "violence_graphic": 2.8763401132891886e-05,
        "self-harm": 0.00043840022408403456,
        "sexual/minors": 0.00018241720681544393,
        "hate/threatening": 1.1130881830467843e-05,
        "violence/graphic": 2.7211604901822284e-05,
        "self-harm/intent": 0.00026327319210395217,
        "self-harm/instructions": 0.00023905260604806244,
        "harassment/threatening": 0.0012845908058807254
    }
}

✨ 主要特性

• 基于 bert-base-multilingual-cased 构建，可将文本分类为 18 个不同类别。
• 目前仅支持英文文本处理，未来更新可能会支持更多语言。

📚 详细文档

数据集

该模型使用 text-moderation-410K 数据集进行训练和微调。此数据集包含各种不同的文本样本，并标注了不同的审核类别。

模型描述

ModerationBERT-ML-En 使用 BERT 架构将文本分类为以下类别：

• 骚扰
• 威胁性骚扰
• 仇恨言论
• 威胁性仇恨言论
• 自我伤害
• 自我伤害指导
• 自我伤害意图
• 色情内容
• 涉及未成年人的色情内容
• 暴力内容
• 血腥暴力内容
• 自我伤害
• 涉及未成年人的色情内容
• 威胁性仇恨言论
• 血腥暴力内容
• 自我伤害意图
• 自我伤害指导
• 威胁性骚扰

训练与微调

该模型使用数据集的 95% 进行训练，5% 进行评估。训练分两个阶段进行：

1. 初始训练：冻结 BERT 层，训练分类器层。
2. 微调：解冻 BERT 模型的前两层，并对整个模型进行微调。

📄 许可证

本模型采用 Apache-2.0 许可证。

⚠️ 重要提示

• 该模型目前仅配置为处理英文文本。
• 未来更新可能会支持其他语言。