prompting_hate_speech

尊重還是有毒？使用語言模型使用零拍的學習來檢測仇恨言論

該存儲庫包含尊重或有毒的論文的代碼？使用語言模型使用零拍的學習來檢測在ACL 2023的第七屆在線虐待和危害（WOAH）的講習班上接受的仇恨言論。

作者

Flor Miriam Plaza-Del-Arco•Debora Nozza•Dirk Hovy•

執照

代碼來自擁抱面，因此我們的許可證是MIT許可證。

對於模型，限制可能適用於數據（來自現有數據集）或Twitter（主要數據源）。我們將用戶介紹每個數據集和Twitter法規隨附的原始許可證。

運行代碼的說明

編碼器LMS

要使用Encoder LMS，您可以從encoder_lms導入prompting模塊：

 from encoder_lms import prompting

prompt_template = "This text is"
verb_h = "toxic" # verbalizer for hate speech class
verb_nh = "respectful" # verbalizer for non-hate speech class

enc_lms = prompting("deberta-base") # Models: roberta-base, roberta-large, bert, deberta-base, deberta-large, xlm-roberta

# The input can be a dataframe, a text or a list of texts
enc_lms.predict(prompt_template, verb_h, verb_nh, ["Shut your dumbass up bitch we all know you a hoe", "My lovely cat"]) 

>> ["hate", "non-hate"]

指令微調LMS

要使用指令微調LMS，您可以從instruction_fine_tuned_lms導入prompting模塊：

 from instruction_fine_tuned_lms import prompting

prompt_template = "Classify this text as hate or non-hate. Text:"
output_indicator = "Answer:"

inst_lms = prompting("flant5") # Models: flant5, mt0

# The input can be a dataframe, a text or a list of texts
inst_lms.predict(prompt_template, output_indicator, ["Shut your dumbass up bitch we all know you a hoe", "My lovely cat"]) 

>> ["hate", "non-hate"]

注意：所提供的示例（仇恨）來自仇恨言語語料庫，不是由該存儲庫的作者創建的。