Downloads · 30 days
10
33% of all-time downloads
10factcheck
rmtariq/10factcheck
10factcheck is a text classification model from rmtariq. Use it when you need a label for a piece of text. The card lists the license as mit.
10FactCheck ialah model Bahasa Melayu yang dilatih untuk multi-label classification — mengenal pasti 10 kriteria utama dalam penilaian fakta sesuatu maklumat atau berita tular. Ia berguna untuk proses semakan fakta au…
All-time downloads
30
Public
Parameters
178M
711 MB on disk
Likes
0
Public
Repo makeup
Click a slice to open those files.
.safetensors711 MB · 99%
At a glance
- Task
- Text Classification
- License
- mit
- Model type
- bert
- Access
- Public
- Created
- Apr 8, 2025
- Updated
- Apr 8, 2025
- SHA
- 4f347434
Datasets
Model card
From the Hugging Face model README
10FactCheck (Malay Multi-label Fact-checking)
10FactCheck ialah model Bahasa Melayu yang dilatih untuk multi-label classification — mengenal pasti 10 kriteria utama dalam penilaian fakta sesuatu maklumat atau berita tular. Ia berguna untuk proses semakan fakta automatik dalam konteks Malaysia.
🔍 Senarai Label
Model ini meramalkan 10 label berikut:
| Label | Maksud |
|---|---|
has_fact_value | Adakah maklumat ini bernilai untuk semakan fakta? |
causes_confusion | Adakah boleh menyebabkan kekeliruan? |
causes_chaos | Adakah boleh mencetuskan huru-hara? |
affects_government | Adakah berkait dengan kerajaan/pentadbiran? |
impacts_economy | Adakah memberi impak ekonomi segera? |
breaks_law | Adakah melanggar undang-undang? |
public_interest | Adakah dalam kepentingan awam? |
life_threatening | Adakah membahayakan nyawa? |
already_viral | Adakah sudah tular? |
time_sensitive | Adakah perkara ini perlu disemak segera? |
🧠 Model Details
- Base model:
rmtariq/ft-Malay-bert - Fine-tuned by: Dr. RM Tariqi @ Temight™
- Dataset:
CheckFakta10.csv(berita viral + kolum manual dari pemerhati fakta) - Trained with: Hugging Face Transformers, PyTorch, Colab A100
📦 How to Use
from transformers import pipeline
classifier = pipeline("text-classification", model="rmtariq/10factcheck", tokenizer="rmtariq/10factcheck", top_k=None, function_to_apply="sigmoid")
text = "Kenyataan ini tular di media sosial dan berk
- Task
- Text Classification
- Type
- bert
- License
- mit
- Languages
- ms
- Created
- Apr 8, 2025
- Updated
- Apr 8, 2025