Downloads · 30 days
7
11% of all-time downloads
xlmr-dezinformare-ro
rares127/xlmr-dezinformare-ro
xlmr-dezinformare-ro is a text classification model from rares127. Use it when you need a label for a piece of text. The card lists the license as mit.
XLM-RoBERTa fine-tuned pentru detecția dezinformării pro-ruse în presa românească, în contextul războiului din Ucraina (2022–2026).
All-time downloads
64
Public
Parameters
278M
1.1 GB on disk
Likes
0
Public
Repo makeup
Click a slice to open those files.
.safetensors1.1 GB · 98%
At a glance
- Task
- Text Classification
- License
- mit
- Model type
- xlm-roberta
- Access
- Public
- Created
- Jun 12, 2026
- Updated
- Jun 12, 2026
- SHA
- a1eafe33
Base models
Datasets
Model card
From the Hugging Face model README
xlmr-dezinformare-ro
XLM-RoBERTa fine-tuned pentru detecția dezinformării pro-ruse în presa românească, în contextul războiului din Ucraina (2022–2026).
Parte din lucrarea de licență: Sistem de Detecție Automată și Explicabilă a Dezinformării Pro-Ruse în Presa Românească · Facultatea de Informatică · 2025-2026.
⚠️ Notă importantă despre utilizare: Modelul singur (IID F1=1.0) suferă de stylistic fingerprint cross-sursă (LOSO-V recall 29.35% — drop de 70.65pp). În sistemul final, decizia vine de la Modulul 3 (similaritate semantică, F1=0.9454, LOSO-V drop doar 7.7pp). Utilizați acest model doar ca parte a pipeline-ului complet, disponibil pe GitHub.
Utilizare rapidă
from transformers import pipeline
classifier = pipeline(
"text-classification",
model="rares127/xlmr-dezinformare-ro"
)
text = "Articolul de analizat în limba română..."
result = classifier(text)
# Exemplu output:
# [{'label': 'stire_credibila', 'score': 0.987}]
# [{'label': 'dezinformare_pro_rusa', 'score': 0.994}]
Limită: modelul procesează maxim 256 tokens (~1500 caractere). Articolele mai lungi sunt trunchiate automat de tokenizer.
Etichete
| Label | ID | Sursă de antrenare |
|---|---|---|
stire_credibila | 0 | G4Media.ro, Digi24.ro |
dezinformare_pro_rusa | 1 | Veridica.ro, Stopfals.md |
Detalii antrenare
| Parametru | Valoare |
|---|---|
| Model de bază | xlm-roberta-base |
| Task | Clasificare binară (sequence classification) |
| Loss | CrossEntropyLoss cu ponderi de clasă (WeightedTrainer) |
| Optimizer | AdamW |
| EarlyStopping | patience=2 pe validation F1 |
| Split | 70% train / 15% val / 15% test (stratificat pe sursă) |
| Hardware | Apple M2 Pro / Google Colab T4 (~4 min) |
Performanță
IID (test set in-distribution)
| Metrică | Valoare |
|---|---|
| Macro F1 | 1.000 |
| Accuracy | 99.07% |
| Precision cls1 | 100% |
| Recall cls1 | 100% |
LOSO-V (Leave-One-Source-Out pe Veridica.ro)
| Metrică | Valoare |
|---|---|
| Recall cls1 | 29.35% |
| Drop față de IID | −70.65 pp |
Interpretare: Performanța IID excepțională este parțial artefact de stylistic fingerprint — modelul a învățat stilul editorial al surselor, nu exclusiv conținutul dezinformativ. Evaluarea LOSO expune această limitare (prima documentare a fenomenului pe fake news românesc).
Dataset
Antrenat pe rares127/dezinformare-ro:
1.483 articole (746 dezinformare / 737 credibile), perioada 2022–2026.
Sistem complet (recomandat)
Modelul este integrat într-un pipeline de 5 module cu interfață web FastAPI. Codul sursă complet, scripturile de antrenare și evaluare LOSO sunt disponibile pe GitHub.
- Task
- Text Classification
- Type
- xlm-roberta
- License
- mit
- Languages
- ro
- Created
- Jun 12, 2026
- Updated
- Jun 12, 2026