语言: "葡萄牙语" 小部件:

• 文本: "路中间有一块石头。"
• 文本: "我们去喝杯热咖啡吧？"
• 文本: "你叫什么名字？" 数据集:
• MacMorpho

葡萄牙语词性标注器

我们使用MacMorpho语料库对BERTimbau模型进行了词性标注任务的微调，训练了10个周期，总体F1分数达到0.9826。

指标:

              精确率  召回率  F1    支持数
准确率                         0.98  33729
宏平均      0.96       0.95    0.95  33729
加权平均     0.98       0.98    0.98  33729

F1:  0.9826 准确率:  0.9826

参数:

类别数 = 27
训练周期 = 30
批大小 = 32
状态批大小 = 32
学习率 = 1e-5
早停 = 3
最大长度 = 200

标签:

如何引用

@article{
Schneider_postagger_2023,
地点={巴西},
标题={开发基于Transformer的巴西葡萄牙语临床词性标注器},
卷={15},
网址={https://jhi.sbis.org.br/index.php/jhi-sbis/article/view/1086},
DOI={10.59681/2175-4411.v15.iEspecial.2023.1086},
摘要={<p>电子健康记录是通过自然语言处理(NLP)任务(如词法句法标注)提取信息的宝贵来源。尽管健康NLP领域取得了重大进展，如Transformer架构，但葡萄牙语等语言仍然代表性不足。本文介绍了为葡萄牙语文本开发的标注器，使用BioBERtpt(临床/生物医学)和BERTimbau(通用)模型在词性标注语料库上进行微调。我们达到了0.9826的准确率，是该语料库的最先进水平。此外，我们使用真实的临床叙述对训练模型和文献中的其他模型进行了基于人工的评估。我们的临床模型准确率达到0.8145，而通用模型为0.7656。与专门用临床文本训练的模型相比，它也显示出有竞争力的结果，证明了基础模型在NLP任务中的领域影响。</p>},
期号={特刊}, 期刊={健康信息学杂志},
作者={Schneider, Elisa Terumi Rubel 和 Gumiel, Yohan Bonescki 和 Oliveira, Lucas Ferro Antunes de 和 Montenegro, Carolina de Oliveira 和 Barzotto, Laura Rubel 和 Moro, Claudia 和 Pagano, Adriana 和 Paraiso, Emerson Cabrera},
年份={2023},
月份={7月} }

有问题？

请在NLP葡萄牙语词性标注器的Github上提交问题。