FutureMa / stance_ch

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

使用方法

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:

@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