manifesto-project/manifestoberta-xlm-roberta-56policy-topics-sentence-2023-1-1

import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer

model = AutoModelForSequenceClassification.from_pretrained("manifesto-project/manifestoberta-xlm-roberta-56policy-topics-sentence-2023-1-1")
tokenizer = AutoTokenizer.from_pretrained("xlm-roberta-large")

sentence = "Restauraremos la financiación al Fondo para el Medio Ambiente Mundial y al Panel Intergubernamental sobre Cambio Climático, para apoyar la investigación científica crítica sobre el clima en todo el mundo"

inputs = tokenizer(sentence,
return_tensors="pt",
max_length=200, # limitamos la entrada a 200 tokens durante el ajuste fino
padding="max_length",
truncation=True
)

logits = model(**inputs).logits

probabilities = torch.softmax(logits, dim=1).tolist()[0]
probabilities = {model.config.id2label[index]: round(probability * 100, 2) for index, probability in enumerate(probabilities)}
probabilities = dict(sorted(probabilities.items(), key=lambda item: item[1], reverse=True))
print(probabilities)
# {'501 - Protección Ambiental: Positiva': 67.28, '411 - Tecnología e Infraestructura': 15.19, '107 - Internacionalismo: Positivo': 13.63, '416 - Economía Anti-Crecimiento: Positiva': 2.02...

predicted_class = model.config.id2label[logits.argmax().item()]
print(predicted_class)
# 501 - Protección Ambiental: Positiva