National Climate Targets Classifier - Climate Policy Radar
ClimatePolicyRadar
Clasificación de texto
Un clasificador de texto multietiqueta entrenado en el conjunto de datos de Objetivos Climáticos Nacionales por Climate Policy Radar. Utilizando el modelo climatebert/distilroberta-base-climate-f como punto de partida, este clasificador se entrena en el conjunto de datos ClimatePolicyRadar/national-climate-targets para predecir los objetivos de 'Cero Neto' (NZT), 'Reducción' y 'Otros' en un entorno de múltiples etiquetas. Los datos de entrenamiento son un subconjunto anotado por expertos de leyes nacionales, políticas y presentaciones a la UNFCCC.
Como usar
from transformers import AutoModelForSequenceClassification, AutoTokenizer
model_name = "ClimatePolicyRadar/national-climate-targets"
example = "The Net Zero Strategy, published in October 2021, was the first "
"document of its kind for a major economy. It set out the government’s "
"vision for a market-led, technology-driven transition to decarbonise "
"the UK economy and reach net zero by 2050."
model = AutoModelForSequenceClassification.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)
# usando sigmoid porque el modelo es multietiqueta
pipe = pipeline("text-classification", model=model, tokenizer=tokenizer, function_to_apply="sigmoid")
pipe(example, padding=True, truncation=True)
# Salida esperada
[{'label': 'NZT', 'score': 0.9142044186592102}]
Funcionalidades
- Clasificación de texto multietiqueta
- Predicción de objetivos climáticos como 'Cero Neto', 'Reducción' y 'Otros'
- Entrenado en el conjunto de datos de ClimatePolicyRadar
- Compatible con AutoTrain
- Compatible con Endpoints de Inference
Casos de uso
- Identificación de objetivos climáticos en leyes y políticas nacionales
- Análisis de estrategias de descarbonización
- Soporte para políticas enfocadas en alcanzar emisiones netas cero