---
language:
- es
license: apache-2.0
tags:
- text-classification
- bert
- requirements-engineering
- condition-action
- software-requirements
datasets:
- custom
metrics:
- accuracy
- f1
model-index:
- name: condition-extractor-model
  results:
  - task:
      type: text-classification
      name: Clasificación de Condiciones-Acciones
    metrics:
    - type: accuracy
      value: 0.975
      name: Accuracy
    - type: f1
      value: 0.975
      name: F1 Score
---

# condition-extractor-model

## Descripción

Modelo BERT fine-tuned para clasificar oraciones de requisitos de software que contienen estructuras condición-acción.

## Uso

```python
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# Cargar modelo
model_name = "Kevinsanchez11/condition-extractor-model"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# Predecir
texto = "Si el usuario presiona el botón, el sistema valida los datos"
inputs = tokenizer(texto, return_tensors="pt", max_length=128, truncation=True, padding=True)

with torch.no_grad():
    outputs = model(**inputs)
    probs = torch.softmax(outputs.logits, dim=1)
    pred = torch.argmax(probs, dim=1).item()

resultado = "Tiene condición-acción" if pred == 1 else "No tiene condición-acción"
print(f"{resultado} ({probs[0, pred].item()*100:.1f}%)")
```

## Entrenamiento

- **Modelo base**: dccuchile/bert-base-spanish-wwm-uncased
- **Dataset**: 523 oraciones de requisitos de software
- **Épocas**: 5 (con early stopping)
- **Accuracy**: 97.5%
- **F1-Score**: 97.5%

## Etiquetas

- **0**: Sin condición-acción
- **1**: Con condición-acción (estructura Si/Cuando/Al... entonces...)

## Autores

Desarrollado para generación automática de casos de prueba a partir de requisitos de software.

## Licencia

Apache 2.0