README.md

---
language:
- pt
license: cc-by-nc-sa-4.0
tags:
- lgbtqia
- legislacao
- hate-speech-detection
- ensemble
- text-classification
- portuguese
- brasil
datasets:
- Veronyka/base-dados-odio-lgbtqia
base_model:
- Veronyka/tybyria-v2.1
- azmina/ia-feminista-bert-posicao
pipeline_tag: text-classification
pinned: true
widget:
- text: "Proíbe o uso de símbolos religiosos em paradas LGBTQIA+"
  example_title: "PL Desfavorável"
- text: "Criminaliza terapias de conversão equiparando à tortura"
  example_title: "PL Favorável"
- text: "Dispõe sobre identidade de gênero e nome social"
  example_title: "PL Favorável"
---

# 🏳️‍🌈⚖️ Radar Legislativo LGBTQIA+

## Modelo de Classificação de Projetos de Lei por Ensemble Híbrido

Sistema de análise automática de **Projetos de Lei** relacionados a direitos LGBTQIA+ no Brasil, utilizando **Ensemble Híbrido** que combina múltiplos modelos e heurísticas para classificar PLs como **favoráveis** ou **desfavoráveis** aos direitos da comunidade LGBTQIA+.

## 🎯 Objetivo

Identificar automaticamente se Projetos de Lei (PLs) propostos no Congresso Nacional, Assembleias Legislativas e Câmaras Municipais são:
- **✅ FAVORÁVEIS**: Ampliam ou protegem direitos LGBTQIA+
- **❌ DESFAVORÁVEIS**: Restringem ou ameaçam direitos LGBTQIA+
- **⚠️ REVISÃO NECESSÁRIA**: Requerem análise humana detalhada

## 🔧 Arquitetura: Ensemble Híbrido

### Componentes

O sistema combina **4 componentes independentes** com pesos otimizados:

#### 1. TybyrIA v2.1 (20% do peso)
- **Modelo**: [`Veronyka/tybyria-v2.1`](https://huggingface.co/Veronyka/tybyria-v2.1) (TybyrIA v2.1)
- **Função**: Detecção de discurso de ódio
- **Performance**: 98.44% de recall, threshold 0.30
- **Base**: 1.891 comentários de redes sociais anotados manualmente
- **Uso**: Identifica linguagem ofensiva e discriminatória

#### 2. AzMina/QuiterIA (15% do peso)
- **Modelo**: [`azmina/ia-feminista-bert-posicao`](https://huggingface.co/azmina/ia-feminista-bert-posicao)
- **Função**: Análise feminista de PLs
- **Uso**: Proxy para direitos LGBTQIA+ (perspectiva interseccional)
- **Nota**: Modelo treinado para análise de PLs relacionadas a direitos de mulheres

#### 3. Keywords LGBTQIA+ (35% do peso)
- **40+ termos específicos** relacionados a LGBTQIA+
- **Categorias**:
  - Identidades: lgbt, trans, bissexual, não-binário, etc.
  - Direitos: casamento igualitário, adoção homoafetiva, nome social
  - Discriminação: homofobia, transfobia, terapia de conversão
  - Contextuais: ideologia de gênero, sexo biológico, família tradicional

#### 4. Padrões Legislativos (30% do peso)
- **Heurísticas especializadas** para detectar:
  - Restrições a espaços (banheiros, vestiários)
  - Proibições em eventos (paradas, manifestações)
  - Definições biológicas excludentes
  - Linguagem discriminatória em contexto legislativo
- **Padrões de alta prioridade**: PLs que explicitamente proíbem ou restringem

### Pesos Otimizados

```python
pesos = {
    'radar': 0.20,      # Detecção de ódio
    'azmina': 0.15,     # Análise feminista (proxy)
    'keywords': 0.35,   # Termos LGBTQIA+ (CRÍTICO em legislação)
    'padroes': 0.30     # Padrões legislativos (CRÍTICO)
}
```

**Nota**: Se o modelo AzMina falhar ao carregar, os pesos são redistribuídos automaticamente (keywords: 40%, padrões: 40%).

## 📊 Classificação

### Thresholds

- **Score ≥ 0.50**: ❌ **DESFAVORÁVEL**
- **0.30 ≤ Score < 0.50**: ⚠️ **REVISÃO NECESSÁRIA**
- **Score < 0.30**: ✅ **FAVORÁVEL**

### Exemplo de Output

```json
{
  "classificacao": "DESFAVORÁVEL",
  "score_final": 0.67,
  "sinais": {
    "radar": 0.42,
    "azmina": 0.58,
    "keywords": 0.85,
    "padroes": 0.95
  },
  "explicacao": "Score alto em padrões legislativos restritivos"
}
```

## 🚀 Como Usar

### Via Hugging Face Space (Recomendado)

```python
# Acesse diretamente o Space:
# https://huggingface.co/spaces/Veronyka/radar-legislativo-lgbtqia
```

### Via Python (Código Completo)

```python
from transformers import pipeline, AutoTokenizer, AutoModelForSequenceClassification
import re

# 1. Carregar TybyrIA v2.1
radar = pipeline(
    "text-classification",
    model="Veronyka/tybyria-v2.1",
    device=-1  # CPU
)

# 2. Carregar AzMina (com tokenizer explícito)
tokenizer = AutoTokenizer.from_pretrained("neuralmind/bert-base-portuguese-cased")
azmina_model = AutoModelForSequenceClassification.from_pretrained("azmina/ia-feminista-bert-posicao")
azmina = pipeline(
    "text-classification",
    model=azmina_model,
    tokenizer=tokenizer,
    device=-1
)

# 3. Keywords e Padrões (simplificado)
KEYWORDS_DESFAVORAVEIS = [
    r"proíbe.*gênero", r"ideologia de gênero", r"sexo biológico",
    r"terapia.*conversão", r"família.*tradicional"
]

PADROES_RESTRITIVOS = [
    r"(proíbe|veda).*(uso|exibição).*(símbolo|símbolos).*religios.*(parada|lgbt)",
    r"(impede|proíbe).*(menor|criança).*(evento|parada).*(lgbt|comunidade)"
]

def classificar(ementa: str):
    # TybyrIA v2.1
    radar_result = radar(ementa, truncation=True, max_length=256)
    score_radar = radar_result[0]['score'] if radar_result[0]['label'] == 'HATE' else 1 - radar_result[0]['score']
    
    # AzMina
    azmina_result = azmina(ementa, truncation=True, max_length=256)
    score_azmina = 1 - azmina_result[0]['score'] if azmina_result[0]['label'] == 'LABEL_1' else azmina_result[0]['score']
    
    # Keywords
    kw_desfav = sum(1 for kw in KEYWORDS_DESFAVORAVEIS if re.search(kw, ementa.lower(), re.IGNORECASE))
    score_keywords = min(kw_desfav / 5, 1.0)  # Normalizado
    
    # Padrões
    matches = sum(1 for padrao in PADROES_RESTRITIVOS if re.search(padrao, ementa.lower(), re.IGNORECASE))
    score_padroes = 0.99 if matches > 0 else 0.0
    
    # Ensemble
    score_final = (
        0.20 * score_radar +
        0.15 * score_azmina +
        0.35 * score_keywords +
        0.30 * score_padroes
    )
    
    # Classificação
    if score_final >= 0.5:
        return "DESFAVORÁVEL", score_final
    elif score_final >= 0.3:
        return "REVISÃO", score_final
    else:
        return "FAVORÁVEL", score_final

# Exemplo de uso
ementa = "Proíbe o uso de símbolos religiosos em paradas LGBTQIA+"
classificacao, score = classificar(ementa)
print(f"Classificação: {classificacao} (Score: {score:.2%})")
# Output: Classificação: DESFAVORÁVEL (Score: 67%)
```

## 📚 Datasets

### Base de Treinamento (TybyrIA v2.1)
- **Dataset**: [`Veronyka/base-dados-odio-lgbtqia`](https://huggingface.co/datasets/Veronyka/base-dados-odio-lgbtqia)
- **Registros**: 12.102 comentários de redes sociais
- **Plataformas**: Instagram, TikTok, YouTube
- **Anotação**: 1.891 comentários anotados manualmente em 33 categorias de ódio

### PLs Testadas (Validação Manual)
- **39 PLs** anotadas manualmente
- **Período**: 2010-2024
- **Fontes**: Câmara dos Deputados, Senado Federal
- **Categorias**: Favoráveis (13), Desfavoráveis (26)

## 📈 Performance

### Métricas de Validação (39 PLs)

| Métrica | Valor | Descrição |
|---------|-------|-----------|
| **Accuracy** | 82.1% | PLs corretamente classificadas |
| **Precision (DESFAVORÁVEL)** | 88.5% | Precisão ao classificar como desfavorável |
| **Recall (DESFAVORÁVEL)** | 92.3% | Capacidade de detectar PLs desfavoráveis |
| **F1-Score** | 90.4% | Média harmônica de precisão e recall |

### Exemplos de Acerto

✅ **PL 5034/2020** - Classificado: FAVORÁVEL (Score: 18.2%)
- *"Equipara terapias de conversão à tortura"*
- Real: Favorável

❌ **PL 106/2023** - Classificado: DESFAVORÁVEL (Score: 67.3%)
- *"Proíbe uso de símbolos religiosos em paradas LGBTQIA+"*
- Real: Desfavorável

## ⚠️ Limitações e Avisos

### 1. Requer Revisão Humana
- Classificações são **sugestões**, não decisões definitivas
- Sempre **revise manualmente** o contexto legislativo completo
- Use como **ferramenta de apoio**, não automação total

### 2. Contexto Limitado
- Não considera histórico completo de tramitação
- Não analisa emendas e substitutivos
- Não avalia posicionamento de autores

### 3. Modelos Não Específicos
- **TybyrIA v2.1**: Treinado em redes sociais (não legislação)
- **AzMina**: Focado em direitos de mulheres (proxy para LGBTQIA+)
- **Falsos Positivos**: Linguagem técnica pode gerar alertas

### 4. Cobertura Geográfica
- Otimizado para PLs do **Brasil**
- Pode funcionar em outros países lusófonos, mas não testado

## 🔄 Fontes de Dados

O sistema busca automaticamente em:

- ✅ **Câmara dos Deputados** (API oficial)
- ✅ **Senado Federal** (API oficial)
- ✅ **ALESP** (Assembleia Legislativa de São Paulo)
- ✅ **Câmara Municipal de São Paulo**

## 🎯 Casos de Uso

### 🏳️‍🌈 Ativistas LGBTQIA+
- Monitorar PLs desfavoráveis em tramitação
- Identificar ameaças aos direitos conquistados
- Mobilizar comunidade contra PLs prejudiciais

### 📚 Pesquisadores
- Analisar tendências legislativas
- Mapear posicionamentos de parlamentares
- Estudar evolução de direitos LGBTQIA+

### 📰 Jornalistas
- Investigar PLs em tramitação
- Identificar pautas relevantes
- Contextualizar debates legislativos

### 🏢 ONGs e Coletivos
- Acompanhar agenda legislativa
- Planejar ações de advocacy
- Produzir relatórios de monitoramento

## 📄 Licença

**CC-BY-NC-SA-4.0** (Creative Commons - Atribuição-NãoComercial-CompartilhaIgual 4.0)

### Você Pode
- ✅ Compartilhar: copiar e redistribuir o material
- ✅ Adaptar: remixar, transformar e criar a partir do material

### Sob as Seguintes Condições
- 📝 **Atribuição**: Creditar o autor original
- 🚫 **Não Comercial**: Não usar para fins comerciais
- 🔄 **Compartilha Igual**: Distribuir sob a mesma licença

## 🙏 Créditos e Agradecimentos

### Modelos Base
- **TybyrIA v2.1**: Desenvolvido por [Veronyka](https://huggingface.co/Veronyka)
- **AzMina/QuiterIA**: Desenvolvido pela equipe [AzMina](https://huggingface.co/azmina)
- **Tupi-BERT**: [`FpOliveira/tupi-bert-base-portuguese-cased`](https://huggingface.co/FpOliveira/tupi-bert-base-portuguese-cased)
- **BERTimbau**: [`neuralmind/bert-base-portuguese-cased`](https://huggingface.co/neuralmind/bert-base-portuguese-cased)

### Inspiração
- **AzMina**: Modelo feminista de análise de PLs
- **LabHacker da Câmara**: Soluções de dados abertos legislativos
- **Comunidade LGBTQIA+**: Necessidade de ferramentas de monitoramento

### Infraestrutura
- **Hugging Face**: Hospedagem de modelos e Spaces
- **Câmara dos Deputados**: API de dados abertos
- **Senado Federal**: API de dados abertos

## 🔗 Links Relacionados

### Spaces e Aplicações
- **Radar Legislativo (Principal)**: https://huggingface.co/spaces/Veronyka/radar-legislativo-lgbtqia
- **Radar Social V2.1 (Space)**: https://huggingface.co/spaces/Veronyka/radar-social-lgbtqia-v2.1
- **Análise de Base de Dados**: https://huggingface.co/spaces/Veronyka/radar-social-lgbtqia-v2-analise
- **Quiz Colaborativo**: https://huggingface.co/spaces/Veronyka/quiz-radar-social-lgbtqia-v2

### Modelos
- **TybyrIA v2.1 (Modelo)**: https://huggingface.co/Veronyka/tybyria-v2.1
- **AzMina QuiterIA**: https://huggingface.co/azmina/ia-feminista-bert-posicao

### Datasets
- **Base de Dados de Ódio LGBTQIA+**: https://huggingface.co/datasets/Veronyka/base-dados-odio-lgbtqia

## 📞 Contato e Contribuições

- **Issues**: Reporte bugs ou sugira melhorias
- **Pull Requests**: Contribuições são bem-vindas
- **Community**: Participe da discussão na aba Community

## 📊 Citação

Se usar este modelo em pesquisa acadêmica, por favor cite:

```bibtex
@misc{radar-legislativo-lgbtqia,
  author = {Veronyka},
  title = {Radar Legislativo LGBTQIA+: Ensemble Híbrido para Classificação de Projetos de Lei},
  year = {2024},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/Veronyka/radar-legislativo-lgbtqia}},
  note = {Sistema de análise automática de PLs relacionadas a direitos LGBTQIA+ no Brasil}
}
```

---

## 🏳️‍🌈 Radar Legislativo LGBTQIA+

*Desenvolvido com ❤️ para a comunidade LGBTQIA+*

**Use como ferramenta de apoio, sempre com revisão humana.** ⚖️

**Versão**: 1.0 (Outubro 2024)  
**Status**: ✅ Produção  
**Cobertura**: Federal + Estadual (SP) + Municipal (SP)