Kamel commited on
Commit
ea4162b
·
verified ·
1 Parent(s): 342d5d3

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +40 -40
README.md CHANGED
@@ -1,42 +1,42 @@
1
- ---
2
- library_name: transformers
3
- tags:
4
- - SDG
5
- - ' News'
6
- - Articles
7
- - Sustainability
8
- language: ar
9
- widget:
10
- - text: >-
11
- يواجه العالم اليوم بعضًا من أكبر التحديات التي واجهها منذ عدة أجيال، وهي
12
- تحديات تهدد ازدهار الناس واستقرارهم في كافة أنحاء العالم. ووباء الفساد في
13
- معظمها.
14
-
15
- فللفساد آثار سليبة على كل جانب من جوانب المجتمع، حيث يتشابك تشابكا وثيقا مع
16
- الصراعات والاضطرابات مما يهدد التنمية الاجتماعية والاقتصادية ويقوض أسس
17
- المؤسسات الديمقراطية وسيادة القانون.
18
-
19
- ولا يتبع الفساد الصراع فحسب، بل هو كذلك أحد أسبابه الجذرية في كثير من
20
- الأحيان. فهو بتقويضه سيادة القانون يغذي الصراعات ويعيق عمليات إحلال السلام،
21
- فضلا عن أنه يفاهم الفقر، ويسهل الاستخدام المُجّرم للموارد، وإتاحة التمويل
22
- للنزاع المسلح.
23
-
24
- إن منع الفساد وتعزيز الشفافية وتقوية المؤسسات أمر بالغ الأهمية إذا أريد
25
- تحقيق الغايات المتوخاة في أهداف التنمية المستدامة.
26
-
27
- ويُراد من احتفالية اليوم العالمي لمكافحة الفساد لعام 2023 تسليط الضوء على
28
- الصلة الوثيقة بين مكافحة الفساد والسلام والأمن والتنمية. فجوهر تلك الصلة هو
29
- فكرة أن التصدي لهذه الجريمة حق للجميع ومسؤوليتهم، وأن التعاون ومشاركة هما ما
30
- يمكنا الأشخاص والمؤسسات من التغلب على الأثر السلبي لهذه الجريمة. فهناك دور
31
- للدول وللمسؤولين الحكوميين وللموظفين المدنيين ولموظفي إنفاذ القانون وممثلي
32
- وسائل الإعلام والقطاع الخاص وللمجتمع المدني وللأوساط الأكاديمية وللجمهور
33
- العام وللشباب بصورة خاصة في توحيد العالم ضد الفساد.
34
- metrics:
35
- - f1
36
- base_model:
37
- - UBC-NLP/ARBERTv2
38
- pipeline_tag: text-classification
39
- ---
40
 
41
  # Binary SDG Detection with ArBERTv2
42
 
@@ -86,7 +86,7 @@ else:
86
  The model was fine-tuned on a dataset of Arabic news articles annotated for SDG relevance, augmented with synthetic data generated to balance SDG-related and non-SDG content.
87
 
88
  ### Performance
89
- The model achieves a micro F1-score of 98% on a test dataset, demonstrating high accuracy in distinguishing SDG-related from non-SDG-related content.
90
 
91
  ### Limitations
92
  This model only provides binary classification (SDG vs. non-SDG).
 
1
+ ---
2
+ library_name: transformers
3
+ tags:
4
+ - SDG
5
+ - ' News'
6
+ - Articles
7
+ - Sustainability
8
+ language: ar
9
+ widget:
10
+ - text: >-
11
+ يواجه العالم اليوم بعضًا من أكبر التحديات التي واجهها منذ عدة أجيال، وهي
12
+ تحديات تهدد ازدهار الناس واستقرارهم في كافة أنحاء العالم. ووباء الفساد في
13
+ معظمها.
14
+
15
+ فللفساد آثار سليبة على كل جانب من جوانب المجتمع، حيث يتشابك تشابكا وثيقا مع
16
+ الصراعات والاضطرابات مما يهدد التنمية الاجتماعية والاقتصادية ويقوض أسس
17
+ المؤسسات الديمقراطية وسيادة القانون.
18
+
19
+ ولا يتبع الفساد الصراع فحسب، بل هو كذلك أحد أسبابه الجذرية في كثير من
20
+ الأحيان. فهو بتقويضه سيادة القانون يغذي الصراعات ويعيق عمليات إحلال السلام،
21
+ فضلا عن أنه يفاهم الفقر، ويسهل الاستخدام المُجّرم للموارد، وإتاحة التمويل
22
+ للنزاع المسلح.
23
+
24
+ إن منع الفساد وتعزيز الشفافية وتقوية المؤسسات أمر بالغ الأهمية إذا أريد
25
+ تحقيق الغايات المتوخاة في أهداف التنمية المستدامة.
26
+
27
+ ويُراد من احتفالية اليوم العالمي لمكافحة الفساد لعام 2023 تسليط الضوء على
28
+ الصلة الوثيقة بين مكافحة الفساد والسلام والأمن والتنمية. فجوهر تلك الصلة هو
29
+ فكرة أن التصدي لهذه الجريمة حق للجميع ومسؤوليتهم، وأن التعاون ومشاركة هما ما
30
+ يمكنا الأشخاص والمؤسسات من التغلب على الأثر السلبي لهذه الجريمة. فهناك دور
31
+ للدول وللمسؤولين الحكوميين وللموظفين المدنيين ولموظفي إنفاذ القانون وممثلي
32
+ وسائل الإعلام والقطاع الخاص وللمجتمع المدني وللأوساط الأكاديمية وللجمهور
33
+ العام وللشباب بصورة خاصة في توحيد العالم ضد الفساد.
34
+ metrics:
35
+ - f1
36
+ base_model:
37
+ - UBC-NLP/ARBERTv2
38
+ pipeline_tag: text-classification
39
+ ---
40
 
41
  # Binary SDG Detection with ArBERTv2
42
 
 
86
  The model was fine-tuned on a dataset of Arabic news articles annotated for SDG relevance, augmented with synthetic data generated to balance SDG-related and non-SDG content.
87
 
88
  ### Performance
89
+ The model achieves a macro F1-score of 98% on a test dataset, demonstrating high accuracy in distinguishing SDG-related from non-SDG-related content.
90
 
91
  ### Limitations
92
  This model only provides binary classification (SDG vs. non-SDG).