| --- |
| base_model: neuralmind/bert-base-portuguese-cased |
| library_name: transformers |
| pipeline_tag: token-classification |
| language: |
| - pt |
| license: mit |
| tags: |
| - speech-acts |
| - atos-de-fala |
| - dialogue-acts |
| - portuguese |
| - pt-br |
| - bertimbau |
| - token-classification |
| - bioes |
| widget: |
| - text: "Bom dia! Você pode revisar o relatório? Obrigado." |
| --- |
| |
| # Atos de Fala PT-BR — classificador de atos de fala (span-level) |
|
|
| Classificador de **atos de fala (speech acts)** para **português brasileiro**, em nível de |
| **span**: decompõe um texto em trechos contíguos e rotula a intenção de cada um (pedir, |
| perguntar, agradecer, discordar, prometer…). Até onde sabemos, é o **primeiro modelo aberto** |
| de atos de fala span-level para PT-BR. |
|
|
| Este é o **modelo completo** (BERTimbau fine-tunado, LoRA já mesclado) — carrega com |
| `transformers` puro, sem PEFT, e roda no `pipeline("token-classification")`. |
|
|
| - **Base:** `neuralmind/bert-base-portuguese-cased` (BERTimbau), token classifier **BIOES**. |
| - **Treino:** dados sintéticos destilados de um *teacher* LLM (DeepSeek), balanceados por ato. |
| - **Demo ao vivo:** https://huggingface.co/spaces/lucianfialho/atos-de-fala-ptbr |
| - **Coleta colaborativa + dataset aberto:** https://atos-de-fala.vercel.app |
| - **Código:** https://github.com/lucianfialho/atos-de-fala |
|
|
| ## Taxonomia (13 atos → 53 labels BIOES) |
| `informar · perguntar · concordar · discordar · pedir · sugerir · oferecer · prometer · |
| saudar · agradecer · desculpar · despedir · expressar_emocao` (ISO 24617-2 + Searle). |
| |
| ## Como usar |
| ```python |
| from transformers import pipeline |
| |
| clf = pipeline("token-classification", model="lucianfialho/atos-de-fala-ptbr", |
| aggregation_strategy="none") |
| print(clf("Bom dia! Você pode revisar o relatório? Obrigado.")) |
| # -> tags BIOES por token: B-saudar … E-saudar | B-pedir … E-pedir | B-agradecer … |
| ``` |
| Agrupe as tags BIOES (B/I/E/S por ato) em spans `(start, end, ato)`. |
| |
| ## Treino |
| - ~5.000 exemplos sintéticos (frases PT-BR + anotação span-level) gerados por um teacher |
| DeepSeek, com balanceamento por ato. |
| - LoRA nos módulos de atenção (`query`/`value`) + cabeça `classifier`; fp16; loss ≈ 0,30. |
| O adapter foi **mesclado** (`merge_and_unload`) neste modelo final. |
| |
| ## Avaliação (honesta) |
| Eval **sentence-level** no Porttinari (notícias; da Silva et al., PROPOR 2024), ato dominante: |
| - accuracy ≈ **0,83** · *lenient hit-rate* ≈ **0,94** (coarse, macro-classes). |
| - **Caveat:** Porttinari é notícia → mede bem `informar`/`perguntar`, mas é praticamente |
| **cego** aos 11 atos sociais/diretivos/comissivos. Span-F1 exato ≈ 0 por granularidade |
| (gold de frase vs spans). Qualitativamente acerta atos sociais e pedidos indiretos. |
| |
| ## Limitações |
| - v1: texto de treino **sintético** (sabor "LLM"), carrega o **viés do teacher**. |
| - Fronteiras de span podem errar por alguns caracteres. |
| - Falta gold humano conversacional — sendo coletado no jogo aberto para treinar o v2. |
| |
| ## Licença e contato |
| MIT (respeite a licença do modelo base, BERTimbau). "chomsky" é só o codinome interno; a |
| base teórica é pragmática (Searle/ISO), não a sintaxe chomskyana. |
| Contato: lucian@metricasboss.com.br |
| |
