license: cc-by-nc-sa-4.0

包容性分类模型

该模型是基于意大利语BERT模型微调的意大利语分类模型，用于识别意大利语中的包容性语言。

模型可检测以下三类文本：

• inclusive：具有包容性的句子（例如"Il personale docente e non docente"）
• not_inclusive：非包容性句子（例如"I professori"）
• not_pertinent：与任务无关的句子（例如"La scuola è chiusa"）

训练数据

模型训练使用的数据集包含：

• 8580条训练语句
• 1073条验证语句
• 1072条测试语句

数据由包容性语言领域的专家人工标注（数据集暂未公开）。

训练流程

模型基于意大利语BERT模型微调，采用以下超参数：

• max_length：128
• batch_size：128
• learning_rate：5e-5
• warmup_steps：500
• epochs：10（根据验证准确率选择最佳模型）
• optimizer：AdamW

评估结果

模型在测试集上的表现如下：

与相同数据训练的多语言模型相比，本模型表现更优。

引用文献

使用本模型时请引用以下论文：

主论文：

@article{10.1145/3729237,
author = {Greco, Salvatore and La Quatra, Moreno and Cagliero, Luca and Cerquitelli, Tania},
title = {Towards AI-Assisted Inclusive Language Writing in Italian Formal Communications},
year = {2025},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
issn = {2157-6904},
url = {https://doi.org/10.1145/3729237},
doi = {10.1145/3729237},
note = {Just Accepted},
journal = {ACM Trans. Intell. Syst. Technol.},
month = apr,
}

演示论文：

@InProceedings{PKDD23_inclusively,
author="La Quatra, Moreno
and Greco, Salvatore
and Cagliero, Luca
and Cerquitelli, Tania",
title="Inclusively: An AI-Based Assistant for Inclusive Writing",
booktitle="Machine Learning and Knowledge Discovery in Databases: Applied Data Science and Demo Track",
year="2023",
publisher="Springer Nature Switzerland",
address="Cham",
pages="361--365",
isbn="978-3-031-43430-3",
doi="10.1007/978-3-031-43430-3_31"
}