roberta-fake-news-classification

roberta-fake-news-classification项目介绍

背景介绍

roberta-fake-news-classification项目是一个基于 roberta-base 预训练模型的项目，该模型经过在 假的和真实的新闻数据集 上的微调，具有识别新闻真实性的能力。在此数据集上的测试表现出模型具有100%的准确率。

功能概述

该模型主要用于分析新闻文章，并预测其内容是真实的还是虚假的。用户可以输入一篇新闻文章，模型将提供对于新闻真实性的预测结果。

输入格式

用户需要以特定的格式输入新闻内容才能使用模型进行预测，输入格式应为：

<title> 文章标题 <content> 文章内容 <end>

如何在代码中使用

以下是如何在代码中使用此模型的简单步骤：

1. 首先，从 Hugging Face 网站下载模型：

   from transformers import AutoTokenizer, AutoModelForSequenceClassification
   
   tokenizer = AutoTokenizer.from_pretrained("hamzab/roberta-fake-news-classification")
   model = AutoModelForSequenceClassification.from_pretrained("hamzab/roberta-fake-news-classification")
   

2. 然后，按照以下方式进行预测：

   import torch
   def predict_fake(title, text):
       input_str = "<title>" + title + "<content>" + text + "<end>"
       input_ids = tokenizer.encode_plus(input_str, max_length=512, padding="max_length", truncation=True, return_tensors="pt")
       device = 'cuda' if torch.cuda.is_available() else 'cpu'
       model.to(device)
       with torch.no_grad():
           output = model(input_ids["input_ids"].to(device), attention_mask=input_ids["attention_mask"].to(device))
       return dict(zip(["Fake", "Real"], [x.item() for x in list(torch.nn.Softmax()(output.logits)[0])]))
   
   print(predict_fake(<HEADLINE-HERE>, <CONTENT-HERE>))
   

使用Gradio进行实时测试

用户还可以采用 Gradio 进行实时测试，直观方便：

import gradio as gr
iface = gr.Interface(fn=predict_fake, inputs=[gr.inputs.Textbox(lines=1, label="headline"), gr.inputs.Textbox(lines=6, label="content")], outputs="label").launch(share=True)

总结

roberta-fake-news-classification项目是一个优秀的工具，能够帮助用户快速识别新闻的真实性。其高准确性和易于整合的代码支持，使得任何有相关需求的开发者都可以轻松将其应用于实际项目中。