TomokiFujihara/luke-japanese-large-lite-offensiveness-estimation

モデル概要

このモデルは、 studio-ousia/luke-japanese-large-lite 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	73.9 %
F値_GRY	55.4 %
F値_OFF	62.6 %
マクロ平均F値	64.0 %
正解率	65.0 %

Confusion matrix

正解ラベル \ 予測結果	Not Offensive	Gray-area	Offensive
Not Offensive	269	73	2
Gray-area	109	169	42
Offensive	6	48	82

使い方

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import numpy as np

tokenizer = AutoTokenizer.from_pretrained("studio-ousia/luke-japanese-large-lite")
model = AutoModelForSequenceClassification.from_pretrained("TomokiFujihara/luke-japanese-large-lite-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: [email protected]