distilbert-base-fallacy-classification

from transformers import pipeline

text = "Sabemos que la tierra es plana porque parece y se siente plana."
model_path = "q3fer/distilbert-base-fallacy-classification"
pipe = pipeline("text-classification", model=model_path, tokenizer=model_path)
pipe(text)

[{'label': 'razonamiento circular', 'score': 0.951125979423523}]

import torch
from transformers import AutoTokenizer
from transformers import AutoModelForSequenceClassification

model = AutoModelForSequenceClassification.from_pretrained("q3fer/distilbert-base-fallacy-classification")
tokenizer = AutoTokenizer.from_pretrained("q3fer/distilbert-base-fallacy-classification")

text = "Sabemos que la tierra es plana porque parece y se siente plana."
inputs = tokenizer(text, return_tensors='pt')

with torch.no_grad():
  logits = model(**inputs)
  scores = logits[0][0]
  scores = torch.nn.Softmax(dim=0)(scores)

_, ranking = torch.topk(scores, k=scores.shape[0])
ranking = ranking.tolist()

results = [f"{i+1}) {model.config.id2label[ranking[i]]} {scores[ranking[i]]:.4f}" for i in range(scores.shape[0])]
print('\n'.join(results))

1) razonamiento circular 0.9511
2) falacia de lógica 0.0154
3) equívoco 0.0080
4) falacia de credibilidad 0.0069
5) ad populum 0.0028
6) falacia de extensión 0.0025
7) intencionalidad 0.0024
8) generalización defectuosa 0.0021
9) apelación a la emoción 0.0021
10) falacia de relevancia 0.0019
11) falso dilema 0.0017
12) ad hominem 0.0013
13) causalidad falsa 0.0012
14) misceláneo 0.0004