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
Safetensors
Model size
559M params
Tensor type
F32
·
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.