library_name: transformers tags:

• 气候
• 显著性
• 政治
• 宣言 metrics:
• 准确率
• F1值 base_model:
• FacebookAI/xlm-roberta-base

policlim模型卡片

模型描述

该模型用于检测（政治）文本中气候变化议题的显著性。基于XLM-roberta模型，通过3,434条来自政治宣言（源自Manifesteo项目数据库）的人工标注准句子进行微调训练，最终模型在验证集上取得0.935的F1值和0.957的准确率。

我们已将该模型应用于政治宣言的气候变化显著性分类研究，初步成果详见下文工作论文。该论文完整记载了训练集构建、模型训练流程、评估方法及最终数据集的所有技术细节。

引用信息

@techreport{sanford2024policlim,
    title={Policlim: 1990-2022年间45国政治宣言中的气候变化论述数据集},
    author={Sanford, Mary and Pianta, Silvia and Schmid, Nicolas and Musto, Giorgio},
    type={工作论文},
    doi={https://osf.io/preprints/osf/bq356_v4},
    year={2025}
}

模型使用指南

本模型可用于文本分类任务，亦可作为基础模型进行下游任务微调。推荐使用simpletransformers工具包快速部署：

import simpletransformers
from simpletransformers.classification import ClassificationModel, ClassificationArgs

## 气候变化显著性检测：
# 载入目标数据（格式自定）
data = pd.read_csv('your_data.csv')

model = ClassificationModel(
     model_type = "xlmroberta", 
     model_name = 'policlim'
 )

preds,output = model.predict(data['text'].tolist())

## 下游任务微调：
from sklearn.metrics import f1_score, precision, accuracy, recall

# 载入训练数据（需包含'text'字段和对应的'labels'字段）
new_train = pd.read_csv('your_new_train_data.csv')
new_test = pd.read_csv('your_new_test_data.csv')
new_eval = pd.read_csv('your_new_eval_data.csv')

# 初始化微调模型
model = ClassificationModel(
    model_type="xlmroberta", 
    model_name="policlim",  
    num_labels=2,                 # 新任务标签数量
#    args=model_args,             # 可自定义参数（标签/超参数/处理流程/评估指标）
#    weight = weights,            # 类别权重设置   
    ignore_mismatched_sizes=True, # 当新任务标签数≠2时必须启用
    use_cuda=True
)

# 模型训练
model.train_model(train_df = new_train, 
                 eval_df = new_test,
                 f1_train = f1_score(labels, preds,average=None) # 支持自定义评估指标
                 )

# 模型评估
result, model_outputs, wrong_predictions = model.eval_model(
    val_df,
    f1_eval = f1_score(labels, preds,average=None),
    precision = precision(labels, preds,average=None),
    recall = recall(labels, preds,average=None),
    acc = accuracy_score(labels, preds,average=None)
)

print('\n测试集评估结果:\n')
print(result)

模型来源

• 代码库: https://github.com/marysanford/policlim/tree/main
• 论文: https://osf.io/preprints/osf/bq356
• 数据源: https://manifesto-project.wzb.eu/

模型卡片作者

Mary Sanford, mary.sanford@cmcc.it