license: bsd-3-clause language:

• en pipeline_tag: text-classification tags:
• psychology
• cognitive distortions widget:
• text: "我们从小就认识了。" example_title: "无认知扭曲"
• text: "我居然忘了做这件事，真是个白痴。" example_title: "个人化归因"
• text: "我觉得自己让别人失望了。" example_title: "情绪化推理"
• text: "所有医生都傲慢自大，根本不关心病人。" example_title: "过度概括"
• text: "他们年纪太小不适合听这个。" example_title: "贴标签"
• text: "她在工作中绝对不能犯任何错误。" example_title: "应该陈述"
• text: "如果我不能按时完成项目，老板肯定会开除我。" example_title: "灾难化思维"
• text: "只要我继续努力工作，他们最终会给我加薪。" example_title: "奖赏谬误"

基于BERT的认知扭曲分类模型

本文档正在开发中。建议用户使用该模型在自己的数据上进行再训练，而非直接作为"开箱即用"解决方案。

问题描述

认知扭曲是指导致负面情绪、行为和信念的偏颇或扭曲思维模式。这些扭曲通常是自动且无意识的，会影响个体对现实的感知和判断能力。

常见认知扭曲类型包括：

1. 个人化归因：将超出控制范围的事情归咎于自己

示例：

• 她看我的眼神很奇怪，肯定在评判我
• 我居然犯了这种错误，真是个废物

2. 情绪化推理：将主观感受当作客观事实，任由情绪驱动行为

示例：

• 我觉得自己不够好，所以我肯定能力不足
• 他们从不邀请我，肯定不喜欢我

3. 过度概括：基于单一事件得出普遍性结论

示例：

• 他从来不听我说话，只会打断我
• 所有人都不在乎我的需求

4. 贴标签：根据特定行为给自身或他人贴上极端负面标签

示例：

• 我真是个失败者
• 他就是个人渣

5. 应该陈述：基于对自身或他人不切实际的期望产生的僵化思维

示例：

• 我绝对不能在任何事情上失败
• 他们必须永远把他人需求放在第一位

6. 灾难化思维：假设最坏结果并将事态严重放大

示例：

• 这完全是浪费时间，他们永远不可能成功
• 如果得不到晋升，我的职业生涯就完蛋了

7. 奖赏谬误：认为每个积极行为都应获得奖励或认可

示例：

• 只要我足够努力，他们就会给我加薪
• 如果他们不认可我的贡献，我就开始消极怠工

模型描述

这是基于英语语料通过掩码语言建模目标预训练的微型BERT变体。BERT原始论文参见此处，代码库参见此仓库。

数据说明

[完善中]

使用示例

单标签分类示例：

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("amedvedev/bert-tiny-cognitive-bias")
model = AutoModelForSequenceClassification.from_pretrained("amedvedev/bert-tiny-cognitive-bias")

inputs = tokenizer("他绝对不能让任何人失望。", return_tensors="pt")
with torch.no_grad():
    logits = model(**inputs).logits

predicted_class_id = logits.argmax().item()
model.config.id2label[predicted_class_id]

评估指标

各标签分类表现：

整体模型表现：

参考文献

[完善中]