bunsenfeng/FactKB
bunsenfeng
Clasificación de texto
FactKB, una métrica de factualidad. Trabajo en progreso.
Como usar
import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification
summary = "Un elefante ha sido golpeado por una piedra en un zoológico en el oeste de Francia después de ser golpeado por un árbol."
article = "La piedra pasó la cerca del elefante y un foso que separa al animal y a los visitantes, dijo el zoológico en un comunicado. La niña fue trasladada al hospital y murió en unas pocas horas, agregó el zoológico. El comunicado del zoológico dijo que el recinto cumplía con las normas internacionales y que 'este tipo de accidente es raro, impredecible e inusual'. Africa Live: Más sobre esto y otras historias El comunicado continuó (en francés) destacando otros dos incidentes recientes en los EE.UU.: Phyllis Lee, Directora Científica del Trust Amboseli para Elefantes, dice que el lanzamiento dirigido de piedras y ramas por los elefantes es muy inusual. 'Puede suceder cuando los elefantes están frustrados o aburridos. En mi opinión, es poco probable que el elefante estuviera directamente apuntando a la niña, sino exhibiendo frustración. No se puede predecir lo que los animales en cautiverio harán.' Los momentos después de que la niña fue golpeada en el Zoológico de Rabat el martes fueron filmados por un espectador y subidos a YouTube. El video muestra al elefante moviendo su trompa detrás de una cerca y se gira para mostrar una piedra en el suelo. A metros de distancia, la gente se reúne alrededor de la niña, sosteniéndola en la cabeza y acariciándole la pierna."
input = [[summary, article]]
tokenizer = AutoTokenizer.from_pretrained("roberta-base", padding="max_length", truncation=True)
factkb = AutoModelForSequenceClassification.from_pretrained("bunsenfeng/FactKB", num_labels = 2)
tokens = tokenizer(input, return_tensors="pt", padding="max_length", truncation=True)
result = torch.softmax(factkb(**tokens).logits, dim = 1)
print('La puntuación de factualidad (0-1, 1 como factual) es: ', float(result[0][1]))
Funcionalidades
- Transformers
- PyTorch
- Roberta
- Text Classification
- Compatible con AutoTrain
- Compatible con Endpoints
- Licencia: cc-by-4.0
- Región: EE.UU.
Casos de uso
- Clasificación de texto para verificar la factualidad de artículos.
- Evaluación de la exactitud de noticias y resúmenes.
- Detección de contenido falso o dudoso en informes y publicaciones.