许可证：apache-2.0
数据集：

• climatebert/climate_specificity
  语言：
• 英文
  评估指标：
• 准确率
  标签：
• 气候

模型卡片：distilroberta-base-climate-specificity

模型描述

这是一个经过微调的ClimateBERT语言模型，带有分类头，用于将气候相关段落分类为具体和非具体段落。

以climatebert/distilroberta-base-climate-f语言模型为起点，distilroberta-base-climate-specificity模型在我们的climatebert/climate_specificity数据集上进行了微调。

注意：此模型针对段落训练，可能在句子级别表现不佳。

引用信息

@techreport{bingler2023cheaptalk,  
    title={气候披露中的廉价言论如何与气候倡议、企业排放和声誉风险相关},  
    author={Bingler, Julia and Kraus, Mathias and Leippold, Markus and Webersinke, Nicolas},  
    type={工作论文},  
    institution={可在SSRN 3998435获取},  
    year={2023}  
}  

如何开始使用该模型

您可以通过文本分类的pipeline使用该模型：

from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline  
from transformers.pipelines.pt_utils import KeyDataset  
import datasets  
from tqdm.auto import tqdm  

dataset_name = "climatebert/climate_specificity"  
model_name = "climatebert/distilroberta-base-climate-specificity"  

# 如果想使用自己的数据，只需将其加载为🤗 Datasets数据集，参见 https://huggingface.co/docs/datasets/loading  
dataset = datasets.load_dataset(dataset_name, split="test")  

model = AutoModelForSequenceClassification.from_pretrained(model_name)  
tokenizer = AutoTokenizer.from_pretrained(model_name, max_len=512)  

pipe = pipeline("text-classification", model=model, tokenizer=tokenizer, device=0)  

# 参见 https://huggingface.co/docs/transformers/main_classes/pipelines#transformers.pipeline  
for out in tqdm(pipe(KeyDataset(dataset, "text"), padding=True, truncation=True)):  
   print(out)