Geological Ner

🚀 巴西葡萄牙語命名實體識別模型

本模型是一個巴西葡萄牙語命名實體識別（NER）模型，基於neuralmind/bert-base-portuguese-cased基礎模型構建，並專門針對地質概念進行了優化。它能有效識別地質相關文本中的實體信息，為地質領域的文本處理提供了強大的支持。

🚀 快速開始

本模型基於neuralmind/bert-base-portuguese-cased基礎模型，專門用於地質概念的命名實體識別。它使用了來自這篇論文的數據集進行了3個輪次的訓練。

你可以在這裡找到用於訓練該模型的筆記本。訓練輸出如下：

使用示例

要使用此模型，可在管道中運行以下代碼：

## 運行預測
txt = YOUR_TEXT
classifier = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy='simple')
entities = classifier(txt)

## 以美觀的方式顯示
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")    

示例文本

以下是一些示例文本，可用於測試模型：

• 示例1：“從地質時期來看，每種岩石類型都與地球歷史上的不同時期和過程相關。例如，火成岩通常與強烈的火山活動時期相關，如中生代，當時恐龍主宰著地球。而沉積岩則大量存在於古代海洋盆地和湖泊的沉積物中，如新生代時期。變質岩則通常與強烈的構造活動時期相關，如元古代，當時超大陸形成並分裂。”
• 示例2：“石油是在沉積盆地中由有機物質與無機沉積物一起在缺氧環境中積累而形成的。這種積累通常發生在湖泊、瀉湖或海底水流不暢的海域底部。因此，有機物質雖然避免了氧化，但會因無機化學反應和細菌作用而發生變化，從而產生一些生物氣，並將剩餘的有機物質轉化為乾酪根，這是一種富含重質固體碳氫化合物的物質。富含乾酪根的岩石，通常是細粒碎屑岩（油頁岩）或碳酸鹽巖（油質石灰岩和泥灰岩），被稱為母巖或生油巖，因為石油就是在這些岩石中生成的。”

📄 許可證

本模型採用MIT許可證。

📚 詳細文檔

模型的詳細信息如下：