许可证：apache-2.0
基础模型：google-bert/bert-base-cased
标签：

• generated_from_trainer
  指标：
• 精确率
• 召回率
• F1值
• 准确率

模型索引：

• 名称：ner-portuguese
  结果：[]

微件示例：

• 文本：Alexandre Telles foi exonerado nesta segunda-feira, assim como o secretário nacional de Atenção Especializada à Saúde, Helvécio Magalhães. As mudanças se deram depois de muita pressão política sobre Nísia e de reportagem do Fantástico, da TV Globo, mostrar no domingo as condições precárias dos hospitais na cidade.e
  示例标题：示例1
• 文本：Os elementos de prova colhidos corroboram as afirmações prestadas pelo colaborador MAURO CESAR BARBOSA CID, demonstrando que, por ordem do então Presidente JAIR BOLSONARO, MAURO CESAR CID solicitou a AILTON BARROS a inserção dos dados falsos de vacinação contra a Covid-19 em benefício do ex-Presidente da República e de sua filha”, afirma a PF.
  示例标题：示例2
• 文本：De acordo com a polícia, parte dos detidos foi identificado como autores de um assalto recente a uma farmácia na região do Morumbi, na zona sul da capital paulista. Todos já tinham passagens por outros crimes. O caso foi registrado na 5ª delegacia da Divisão de Investigações sobre Crimes contra o Patrimônio (DISCCPAT) como roubo e receptação, ambos qualificados, posse ilegal de arma de fogo de uso restrito, associação criminosa e adulteração de sinal veicular identificador.
  示例标题：示例3
• 文本：Dois legumes são suficientes para que você sinta o sabor de ambos no prato. Um pode ser mais macio e outro mais firme, como cenoura ou abóbora. Pense em um legume que dará saciedade e outro mais refrescante
  示例标题：示例4

语言：

• pt

库名称：transformers
管道标签：token-classification

ner-portuguese-br-bert-cased

该模型旨在帮助减少葡萄牙语模型的需求。

使用方法：

from transformers import BertForTokenClassification, DistilBertTokenizerFast, pipeline  

model = BertForTokenClassification.from_pretrained('rhaymison/ner-portuguese-br-bert-cased')  
tokenizer = DistilBertTokenizerFast.from_pretrained('rhaymison/ner-portuguese-br-bert-cased'  
                                                    , model_max_length=512  
                                                    , do_lower_case=False  
                                                    )  

nlp = pipeline('ner', model=model, tokenizer=tokenizer, grouped_entities=True)  

result = nlp(f"""  
A passagem de uma frente fria pelo Rio Grande do Sul e Santa Catarina mantém o tempo instável,  
e chove a qualquer hora nos dois estados. Há risco de temporais no sul e leste gaúcho.  
No Paraná segue quente, e pancadas de chuva ocorrem a partir da tarde, também com risco de temporais.  
""")  

### 输出  

[{'entity_group': 'LOC',  
  'score': 0.99812114,  
  'word': 'Rio Grande do Sul',  
  'start': 36,  
  'end': 53},  
 {'entity_group': 'LOC',  
  'score': 0.99795854,  
  'word': 'Santa Catarina',  
  'start': 56,  
  'end': 70},  
 {'entity_group': 'LOC',  
  'score': 0.997009,  
  'word': 'Paraná',  
  'start': 186,  
  'end': 192}]  

该模型包含多种命名实体类别。具体列表如下：

• O: 0
• B-ANIM: 1
• B-BIO: 2
• B-CEL: 3
• B-DIS: 4
• B-EVE: 5
• B-FOOD: 6
• B-INST: 7
• B-LOC: 8
• B-MEDIA: 9
• B-MYTH: 10
• B-ORG: 11
• B-PER: 12
• B-PLANT: 13
• B-TIME: 14
• B-VEHI: 15
• I-ANIM: 16
• I-BIO: 17
• I-CEL: 18
• I-DIS: 19
• I-EVE: 20
• I-FOOD: 21
• I-INST: 22
• I-LOC: 23
• I-MEDIA: 24
• I-MYTH: 25
• I-ORG: 26
• I-PER: 27
• I-PLANT: 28
• I-TIME: 29
• I-VEHI: 30

该模型是基于google-bert/bert-base-cased在MultNERD数据集上微调的版本。
在评估集上的表现如下：

• 损失：0.0618
• 精确率：0.8965
• 召回率：0.8815
• F1值：0.8889
• 准确率：0.9810

模型描述

更多信息待补充

预期用途与限制

更多信息待补充

训练与评估数据

更多信息待补充

训练过程

训练超参数

训练过程中使用的超参数如下：

• 学习率：1e-05
• 训练批次大小：4
• 评估批次大小：8
• 随机种子：42
• 梯度累积步数：2
• 总训练批次大小：8
• 优化器：Adam（beta1=0.9，beta2=0.999，epsilon=1e-08）
• 学习率调度器类型：线性
• 训练轮次：1
• 混合精度训练：原生AMP

训练结果

框架版本

• Transformers 4.38.2
• Pytorch 2.2.1+cu121
• Datasets 2.18.0
• Tokenizers 0.15.2

联系方式

如有任何想法、帮助或反馈，欢迎联系。

邮箱：rhaymisoncristian@gmail.com