Modelo de NER (Reconhecimento de Entidades Nomeadas)
Este repositório contém um modelo de Reconhecimento de Entidades Nomeadas (NER) treinado para identificar diversas categorias relacionadas ao setor de petróleo e gás. O modelo foi desenvolvido utilizando a biblioteca Hugging Face e apresenta resultados significativos em métricas de desempenho.
Datasets Utilizados
- PetroNER
- GeoCorpus v3
Resultados de Desempenho
As tabelas abaixo mostram as métricas de precisão, recall e F1-score para cada categoria detectada pelo modelo.
Categoria | Precisão | Recall | F1-score | Suporte |
---|---|---|---|---|
BACIA | 0.91 | 0.96 | 0.93 | 576 |
CAMPO | 0.85 | 0.85 | 0.85 | 94 |
ELEMENTO_PETRO | 0.72 | 0.97 | 0.82 | 58 |
ESTRUTURA_FISICA | 0.87 | 0.89 | 0.88 | 364 |
EVENTO_PETRO | 0.90 | 0.98 | 0.94 | 47 |
FLUIDODATERRA_i | 0.93 | 0.96 | 0.95 | 268 |
FLUIDODATERRA_o | 0.72 | 0.88 | 0.79 | 48 |
FOSSEIS | 0.77 | 0.87 | 0.82 | 268 |
MINERAIS | 0.84 | 0.94 | 0.89 | 189 |
NAO_CONSOLID | 0.90 | 0.87 | 0.88 | 113 |
PALEOAMBIENTE | 0.84 | 0.88 | 0.86 | 392 |
POÇO | 0.90 | 0.89 | 0.89 | 110 |
ROCHA | 0.89 | 0.94 | 0.91 | 821 |
TEXTURA | 0.89 | 0.61 | 0.72 | 28 |
UNIDADE_CRONO | 0.90 | 0.96 | 0.93 | 1074 |
UNIDADE_LITO | 0.88 | 0.93 | 0.90 | 439 |
Médias
- Micro Avg: Precision: 0.88 | Recall: 0.93 | F1-score: 0.90 | Suporte: 4889
- Macro Avg: Precision: 0.86 | Recall: 0.90 | F1-score: 0.87 | Suporte: 4889
- Weighted Avg: Precision: 0.88 | Recall: 0.93 | F1-score: 0.90 | Suporte: 4889
Uso
Para utilizar este modelo, você pode carregá-lo através da biblioteca Hugging Face Transformers. Certifique-se de ter o pacote instalado:
pip install transformers
- Downloads last month
- 136
Inference Providers
NEW
This model is not currently available via any of the supported Inference Providers.
The model cannot be deployed to the HF Inference API:
The model has no library tag.