Update README.md
Browse files
README.md
CHANGED
@@ -7,4 +7,34 @@ base_model:
|
|
7 |
pipeline_tag: text-classification
|
8 |
tags:
|
9 |
- legal
|
10 |
-
---
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
7 |
pipeline_tag: text-classification
|
8 |
tags:
|
9 |
- legal
|
10 |
+
---
|
11 |
+
|
12 |
+
# Modelo BERT para Identificação de Fatos e Teses em Processos Jurídicos
|
13 |
+
|
14 |
+
Este modelo é uma versão **fine-tuned** do `neuralmind/bert-base-portuguese-cased`, desenvolvida especificamente para classificar sentenças em **fato** ou **tese** no contexto de processos jurídicos.
|
15 |
+
|
16 |
+
O projeto foi desenvolvido pela **Diretoria de Inteligência Artificial, Ciência de Dados e Estatística do Tribunal de Justiça do Estado de Goiás**.
|
17 |
+
|
18 |
+
## 1. Instalação
|
19 |
+
|
20 |
+
Para instalar as dependências necessárias, execute o comando abaixo:
|
21 |
+
|
22 |
+
```bash
|
23 |
+
pip install transformers
|
24 |
+
```
|
25 |
+
|
26 |
+
## 2. Utilização do Modelo:
|
27 |
+
|
28 |
+
```Python
|
29 |
+
from transformers import pipeline
|
30 |
+
text = """a empresa requerente atua..."""
|
31 |
+
|
32 |
+
classifier = pipeline("text-classification", model=r"DIACDE/BERT_FATO_TESE", return_all_scores=True, truncation=True)
|
33 |
+
print(classifier(text))
|
34 |
+
|
35 |
+
#[
|
36 |
+
# {'label': 'FATO', 'score': 0.85},
|
37 |
+
# {'label': 'TESE', 'score': 0.15}
|
38 |
+
#]
|
39 |
+
```
|
40 |
+
|