许可证: mit
语言:

• 葡萄牙语
  任务标签: 标记分类
  基础模型: neuralmind/bert-base-portuguese-cased

示例文本:

• 文本: "从地质时期的角度来看，每种岩石类型都与地球历史上不同的时代和过程相关联。例如，火成岩通常与火山活动频繁的时期相关，比如中生代，当时恐龙统治着地球。沉积岩则大量存在于古代海洋盆地和湖泊的沉积物中，如新生代时期。而变质岩则常与构造活动剧烈的时期相关，例如元古代，当时超大陆形成并分裂。"
  示例标题: "示例1"
• 文本: "石油是在沉积盆地中由积累的有机物质与无机沉积物在缺氧环境中生成的。这种积累通常发生在湖泊、泻湖或海底流动不畅的区域。有机物质因此避免了氧化，但经历了无机化学反应和细菌作用的变化，从而产生了一些生物气体，并将剩余的有机物质转化为干酪根，一种富含重质固态烃类的物质。富含干酪根的岩石，通常是细粒碎屑岩（油页岩）或碳酸盐岩（沥青灰岩和泥灰岩），被称为源岩或生油岩，因为石油正是在这些岩石中生成的。"
  示例标题: "示例2"

该模型是一个巴西葡萄牙语命名实体识别（NER）模型，基于neuralmind/bert-base-portuguese-cased基础模型，并专门针对地质概念进行了优化。
训练使用了来自这篇论文的数据集，共进行了3个周期的训练。

您可以在这里找到用于训练模型的笔记本。训练器输出如下:

使用该模型时，请运行以下管道代码:

## 运行预测  
txt = 您的文本  
classifier = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy='simple')  
entities = classifier(txt)  

## 以美观的方式显示结果  
dict_ents = {  
    'text': txt,  
    'ents': [{'start': ent['start'], 'end': ent['end'], 'label': ent['entity_group']} for ent in entities],  
    'title': None  
}  

displacy.render(dict_ents, manual=True, style="ent")