TomokiFujihara/twhin-bert-base-japanese-offensiveness-estimation

モデル概要

このモデルは、 Twitter/twhin-bert-base をSNS上のコメントに人手で攻撃性評価を行ったデータセットでFine-tuningすることで作成しました。

Fine-tuning条件

• エポック数: 27エポック
• バッチサイズ: 16
• 最大トークン長: 256
• 学習率スケジューラ: transformers.get_linear_schedule_with_warmup
• ピーク学習率: 2e-5
• 最適化手法: Adam
• Dropout率: 0.1
• 損失関数: MSE Loss
• Re-initialize: 出力層から近い Transformer Encoder 1層

分類性能

Summary

評価指標	スコア
F値_NOT	73.8 %
F値_GRY	56.8 %
F値_OFF	63.7 %
マクロ平均F値	64.7 %
正解率	65.6 %

Confusion matrix

正解ラベル \ 予測結果	Not Offensive	Gray-area	Offensive
Not Offensive	267	73	4
Gray-area	105	173	42
Offensive	8	43	85

使い方

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import numpy as np

tokenizer = AutoTokenizer.from_pretrained("Twitter/twhin-bert-base")
model = AutoModelForSequenceClassification.from_pretrained("TomokiFujihara/twhin-bert-base-japanese-offensiveness-estimation", trust_remote_code=True)


inputs = tokenizer.encode_plus(text, return_tensors='pt')
outputs = model(inputs['input_ids'], inputs['attention_mask']).detach().numpy()[0][:3]

minimum = np.min(outputs)
if minimum < 0:
  outputs = outputs - minimum
score = outputs / np.sum(outputs)

print(f'攻撃的でない発言: {score[0]:.1%},\nグレーゾーンの発言: {score[1]:.1%},\n攻撃的な発言: {score[2]:.1%}')

連絡先

E-mail: tomoki.fujihara.p3@dc.tohoku.ac.jp