Hugging Face's logo

FutureMa
/
stance_ch

Text Classification
Transformers
Safetensors
PyTorch
Chinese
bert
fill-mask
chinese
stance-analysis
Eval Results
Model card Files
xet
Community
stance_ch
File size: 3,204 Bytes 
1f2b36b
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
 
---
language: zh
library_name: transformers
pipeline_tag: text-classification
tags:
- bert
- chinese
- stance-analysis
- text-classification
- pytorch
- safetensors
datasets:
- custom-stance-dataset
metrics:
- accuracy
- f1
model-index:
- name: stance-ch
  results:
  - task:
      type: text-classification
      name: Stance Analysis
    dataset:
      type: custom
      name: Chinese Stance Dataset
    metrics:
    - type: accuracy
      value: N/A
      name: Test Accuracy
    - type: accuracy  
      value: N/A
      name: Validation Accuracy
---

# Chinese BERT for Stance Analysis (立场分析)

这是一个基于BERT的中文立场分析模型，能够识别文本中表达的支持(SUPPORTIVE)或反对(OPPOSING)立场。

## 模型信息

- **模型基础**: bert-base-chinese
- **任务类型**: 二分类文本分类
- **语言**: 中文 (Chinese)
- **训练数据**: 包含6,668条立场标注数据
- **标签**: OPPOSING (反对), SUPPORTIVE (支持)

## 性能指标

| 指标 | 数值 |
|------|------|
| 验证集准确率 | N/A |
| 测试集准确率 | N/A |
| 训练轮数 | N/A |

## 使用方法

```python
from transformers import BertTokenizer, BertForSequenceClassification
import torch

# 加载模型和tokenizer
model_name = "FutureMa/stance_ch"
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name)

# 示例预测
def predict_stance(text):
    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=512)
    
    with torch.no_grad():
        outputs = model(**inputs)
        predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)
        predicted_class = torch.argmax(predictions, dim=-1).item()
    
    labels = {"0": "OPPOSING", "1": "SUPPORTIVE"}
    confidence = predictions[0][predicted_class].item()
    
    return {
        "stance": labels[str(predicted_class)],
        "confidence": confidence
    }

# 使用示例
text = "我完全支持这个政策，它对社会发展有积极作用。"
result = predict_stance(text)
print(f"立场: {result['stance']}, 置信度: {result['confidence']:.4f}")
```

## 数据格式

训练数据采用以下格式:
```
topic: [话题内容]
answer: [回答内容]
```

模型基于回答内容判断其对话题的立场。

## 标签说明

- `OPPOSING` (0): 反对立场
- `SUPPORTIVE` (1): 支持立场

## 训练详情

- **优化器**: AdamW
- **学习率**: 2e-5
- **批次大小**: 16
- **最大序列长度**: 512
- **早停策略**: 验证集准确率连续3轮无提升
- **数据划分**: 训练集 6,268 / 验证集 200 / 测试集 200

## 注意事项

1. 模型主要针对中文文本训练
2. 最佳输入长度为512个token以内
3. 模型对政治、社会话题的立场分析效果较好
4. 建议在使用前对特定领域数据进行微调

## 许可证

本模型遵循Apache-2.0许可证。

## 引用

如果使用本模型，请引用:
```bibtex
@misc{stance_ch_2025,
  title={Chinese BERT for Stance Analysis},
  author={FutureMa},
  year={2025},
  publisher={Hugging Face},
  url={https://huggingface.co/FutureMa/stance_ch}
}
```

---

*模型训练时间: 2025年09月07日*