---
title: stance_ch
canonical_url: "https://www.modelscope.cn/models/FutureMa/stance_ch"
md_url: "https://www.modelscope.cn/models/FutureMa/stance_ch.md"
repository: FutureMa/stance_ch
last_updated: 2025-12-09
pipeline_tag: text-classification
tasks:
  - text-classification
model_type:
  - bert
architectures:
  - BertForMaskedLM
parameters: 102.3M
tensor_type:
  - F32
library_name:
  - pytorch
  - transformer
  - safetensors
frameworks:
  - pytorch
language:
  - zh
downloads: 81
stars: 0
tags:
  - bert
  - chinese
  - stance-analysis
  - text-classification
  - pytorch
  - safetensors
---

# stance_ch

> stance_ch - FutureMa 在 ModelScope 开源的模型。Chinese BERT for Stance Analysis (立场分析)

- **Repository**: FutureMa/stance_ch
- **Tasks**: text-classification
- **Parameters**: 102.3M
- **Tags**: bert, chinese, stance-analysis, text-classification, pytorch, safetensors
- **Downloads**: 81
- **Stars**: 0
- **Last updated**: 2025-12-09

Source: https://www.modelscope.cn/models/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

| 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*