library_name: transformers
license: mit
base_model: neuralmind/bert-base-portuguese-cased
tags:

• generated_from_trainer
  metrics:
• accuracy
• f1
• recall
• precision
  model-index:
• name: neuralmind/bert-base-portuguese-cased
  results: []

neuralmind/bert-base-portuguese-cased

模型描述

该模型是基于预训练模型neuralmind/bert-base-portuguese-cased的微调版本，专门用于根据巴西立法提案（PLs）的摘要（ementa）和全文（inteiro teor）内容，将其分类为支持或损害女性权利。模型旨在理解法律语境中性别影响的细微差异。
该模型采用BERT架构设计，适用于自然语言理解任务。通过在此专业任务中的应用，模型能够识别法案文本中与女性权利相关的术语模式和倾向性特征。

用途与限制

主要用途：对巴西立法提案（PLs）进行支持/损害女性权利的二元分类。

目标用户：政治学家、新闻工作者、法律从业者、性别平等倡导者、立法文本分析研究人员，以及基于性别平等原则自动分类法律文档的系统。

应用领域：

• 立法分析
• 性别平等倡导
• 政治与法律研究
• 法律文档自动分类

训练与评估数据

模型使用定制数据集进行微调，该数据集聚焦巴西立法提案中与女性权利相关的议题，包含提案摘要和全文。

更多模型评估信息请参见项目仓库。

训练超参数

训练采用以下超参数配置：

• 学习率：1e-05
• 训练批次大小：64
• 评估批次大小：64
• 随机种子：5151
• 优化器：AdamW（PyTorch实现），参数betas=(0.9,0.999)，epsilon=1e-08（无额外参数）
• 学习率调度器类型：线性
• 学习率预热步数：150
• 训练轮次：19

训练结果

（完整训练日志详见原文）

框架版本

• Transformers：4.47.0
• PyTorch：2.5.1+cu121
• Datasets：3.2.0
• Tokenizers：0.21.0

伦理考量

该模型用于立法文本分类，可能产生重大社会政治影响。需特别注意：

1. 模型输出在敏感语境中的解释与应用
2. 训练数据集需定期更新以反映最新立法语言和性别平等认知标准
3. 避免将自动化分类结果直接作为决策依据，建议结合人工审核