许可证：MIT
语言：

• 英语

评估指标：

• 准确率
• 马修斯相关系数

示例输入：

• 文本："高速公路施工区域不仅会造成交通拥堵和延误，增加道路使用者的等待时间，还会给交通和工人带来潜在风险。"
• 文本："循环经济是实现可持续消费和生产以及自然正向成果的一种方式。"

sadickam/sdgBERT

sgdBERT（原名"sdg-classification-bert"）是一款用于根据联合国可持续发展目标（SDG）对文本进行分类的自然语言处理模型。

来源：https://www.un.org/development/desa/disabilities/about-us/sustainable-development-goals-sdgs-and-disability.html

模型详情

模型描述

该文本分类模型通过对预训练模型bert-base-uncased进行微调开发而成。微调所用的训练数据来自公开可用的OSDG社区数据集（OSDG-CD）2023.10版，详见：https://zenodo.org/records/8397907。
此模型是迪肯大学学术研究的成果，旨在打造一个基于Transformer架构、可供大众使用的SDG文本分类模型。目前仅支持联合国前16个可持续发展目标。主要模型特性如下：

• 模型类型： 文本分类
• 支持语言： 英语
• 许可证： MIT
• 基础模型： bert-base-uncased

模型来源

• 代码库： https://huggingface.co/sadickam/sdg-classification-bert
• 演示： 选项1（支持文本/CSV输入）：https://sadickam-sdg-text-classifier.hf.space/；选项2（支持PDF文档）：https://sadickam-document-sdg-app-cpu.hf.space

直接使用

本模型已完成微调，无需额外训练即可直接使用。

快速开始

使用以下代码加载模型：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
tokenizer = AutoTokenizer.from_pretrained("sadickam/sdg-classification-bert")
model = AutoModelForSequenceClassification.from_pretrained("sadickam/sdg-classification-bert")

训练数据

训练数据涵盖多行业和学术研究领域的文本，因此该微调模型不限定于特定行业应用。

数据集详见：https://zenodo.org/records/8397907

训练超参数

• 训练轮次 = 3
• 学习率 = 5e-5
• 批大小 = 16

评估

评估指标

• 准确率 = 0.90
• 马修斯相关系数 = 0.89

引用

文献正在评审中，将尽快提供。

联系作者

s.sadick@deakin.edu.au