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