Delete README.md
Browse files
README.md
DELETED
|
@@ -1,55 +0,0 @@
|
|
| 1 |
-
# CRF Address NER Model (Pipeline Version)
|
| 2 |
-
|
| 3 |
-
## Descrição
|
| 4 |
-
Modelo Conditional Random Field (CRF) com Pipeline sklearn para Named Entity Recognition em endereços brasileiros.
|
| 5 |
-
|
| 6 |
-
## Novidade: Pipeline Completo
|
| 7 |
-
Esta versão (v2.0.0) usa **sklearn Pipeline**, incluindo:
|
| 8 |
-
- ✅ Feature Extractor (preprocessamento automático)
|
| 9 |
-
- ✅ CRF Tagger (modelo de sequência)
|
| 10 |
-
- ✅ Zero código adicional necessário para inferência
|
| 11 |
-
|
| 12 |
-
## Informações do Modelo
|
| 13 |
-
- **Acurácia**: 0.9995
|
| 14 |
-
- **Algoritmo**: lbfgs
|
| 15 |
-
- **Labels**: 13
|
| 16 |
-
|
| 17 |
-
## Vantagens sobre HMM
|
| 18 |
-
- ✅ Modela dependências contextuais (palavras vizinhas)
|
| 19 |
-
- ✅ Não assume independência entre observações
|
| 20 |
-
- ✅ Otimização global da sequência
|
| 21 |
-
- ✅ Mesmas features morfológicas + contexto rico
|
| 22 |
-
|
| 23 |
-
## Como Usar
|
| 24 |
-
```python
|
| 25 |
-
import joblib
|
| 26 |
-
from huggingface_hub import hf_hub_download
|
| 27 |
-
|
| 28 |
-
# Download do pipeline
|
| 29 |
-
pipeline_path = hf_hub_download(
|
| 30 |
-
repo_id="felipergcpqd/crf-address-ner-pt",
|
| 31 |
-
filename="pipeline.joblib"
|
| 32 |
-
)
|
| 33 |
-
|
| 34 |
-
# Carregar
|
| 35 |
-
pipeline = joblib.load(pipeline_path)
|
| 36 |
-
|
| 37 |
-
# Usar (ZERO código de features necessário!)
|
| 38 |
-
tokens = [["Rua", "das", "Flores", "123", "São", "Paulo", "SP"]]
|
| 39 |
-
predictions = pipeline.predict(tokens)
|
| 40 |
-
print(predictions[0])
|
| 41 |
-
```
|
| 42 |
-
|
| 43 |
-
## Comparação com HMM
|
| 44 |
-
| Característica | HMM | CRF |
|
| 45 |
-
|---------------|-----|-----|
|
| 46 |
-
| Features morfológicas | ✅ 11 features | ✅ 11 features (mesmas) |
|
| 47 |
-
| Features contextuais | ❌ Não | ✅ Sim (vizinhança) |
|
| 48 |
-
| Otimização | Local (Viterbi) | Global (sequência inteira) |
|
| 49 |
-
| Independência | Assume | Não assume |
|
| 50 |
-
| Transições | 1ª ordem (Markov) | Todas possíveis |
|
| 51 |
-
|
| 52 |
-
## Treinamento
|
| 53 |
-
- **Data**: 2025-11-19
|
| 54 |
-
- **Versão**: 2.0.0 (Pipeline sklearn)
|
| 55 |
-
- **Regularização**: L1 (c1=0.1) + L2 (c2=0.1)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|