metadata
thumbnail: https://i.imgur.com/tpI1iT5.jpg
license: apache-2.0
language:
- pt
tags:
- generated_from_trainer
metrics:
- precision
- recall
- f1
- accuracy
model-index:
- name: checkpoints
results:
- task:
name: Token Classification
type: token-classification
metrics:
- name: F1
type: f1
value: 0.9525622169191057
- name: Precision
type: precision
value: 0.9438680702115613
- name: Recall
type: recall
value: 0.961418019517758
- name: Accuracy
type: accuracy
value: 0.9894253721279602
- name: Loss
type: loss
value: 0.030161771923303604
widget:
- text: >-
Ao Instituto Médico Legal da jurisdição do acidente ou da residência
cumpre fornecer, no prazo de 90 dias, laudo à vítima (art. 5, § 5, Lei n.
6.194/74 de 19 de dezembro de 1974), função técnica que pode ser suprida
por prova pericial realizada por ordem do juízo da causa, ou por prova
técnica realizada no âmbito administrativo que se mostre coerente com os
demais elementos de prova constante dos autos.
- text: >-
Acrescento que não há de se falar em violação do artigo 114, § 3º, da
Constituição Federal, posto que referido dispositivo revela-se
impertinente, tratando da possibilidade de ajuizamento de dissídio
coletivo pelo Ministério Público do Trabalho nos casos de greve em
atividade essencial.
- text: >-
Dispõe sobre o estágio de estudantes; altera a redação do art. 428 da
Consolidação das Leis do Trabalho – CLT, aprovada pelo Decreto-Lei no
5.452, de 1o de maio de 1943, e a Lei no 9.394, de 20 de dezembro de 1996;
revoga as Leis nos 6.494, de 7 de dezembro de 1977, e 8.859, de 23 de
março de 1994, o parágrafo único do art. 82 da Lei no 9.394, de 20 de
dezembro de 1996, e o art. 6o da Medida Provisória no 2.164-41, de 24 de
agosto de 2001; e dá outras providências.
(BERT base) NER model in the legal domain in Portuguese
README under construction
ner-legal-bert-base-cased-ptbr is a NER model (token classification) in the legal domain in Portuguese that was finetuned from the model dominguesm/legal-bert-base-cased-ptbr by using a NER objective.
The model is intended to assist NLP research in the legal field, computer law and legal technology applications. Several legal texts in Portuguese were used (more information below).
Training procedure
Training results
Num examples = 971932
Num Epochs = 3
Instantaneous batch size per device = 64
Total train batch size (w. parallel, distributed & accumulation) = 128
Gradient Accumulation steps = 2
Total optimization steps = 22779
| Step | Training Loss | Validation Loss | Precision | Recall | F1 Accuracy |
|---|---|---|---|---|---|
| 1000 | 0.113900 | 0.057008 | 0.898600 | 0.938444 | 0.918090 |
| 2000 | 0.052800 | 0.048254 | 0.917243 | 0.941188 | 0.929062 |
| 3000 | 0.046200 | 0.043833 | 0.919706 | 0.948411 | 0.933838 |
| 4000 | 0.043500 | 0.039796 | 0.928439 | 0.947058 | 0.937656 |
| 5000 | 0.041400 | 0.039421 | 0.926103 | 0.952857 | 0.939290 |
| 6000 | 0.039700 | 0.038599 | 0.922376 | 0.956257 | 0.939011 |
| 7000 | 0.037800 | 0.036463 | 0.935125 | 0.950937 | 0.942964 |
| 8000 | 0.035900 | 0.035706 | 0.934638 | 0.954147 | 0.944292 |
| 9000 | 0.033800 | 0.034518 | 0.940354 | 0.951991 | 0.946136 |
| 10000 | 0.033600 | 0.033454 | 0.938170 | 0.956097 | 0.947049 |
| 11000 | 0.032700 | 0.032899 | 0.934130 | 0.959491 | 0.946641 |
| 12000 | 0.032200 | 0.032477 | 0.937400 | 0.959150 | 0.948151 |
| 13000 | 0.031200 | 0.033207 | 0.937058 | 0.960506 | 0.948637 |
| 14000 | 0.031400 | 0.031711 | 0.938765 | 0.959711 | 0.949123 |
| 15000 | 0.030600 | 0.031519 | 0.940488 | 0.959413 | 0.949856 |
| 16000 | 0.028500 | 0.031618 | 0.943643 | 0.957693 | 0.950616 |
| 17000 | 0.028000 | 0.031106 | 0.941109 | 0.960687 | 0.950797 |
| 18000 | 0.027800 | 0.030712 | 0.942821 | 0.960528 | 0.951592 |
| 19000 | 0.027500 | 0.030523 | 0.942950 | 0.960947 | 0.951864 |
| 20000 | 0.027400 | 0.030577 | 0.942462 | 0.961754 | 0.952010 |
| 21000 | 0.027000 | 0.030025 | 0.944483 | 0.960497 | 0.952422 |
| 22000 | 0.026800 | 0.030162 | 0.943868 | 0.961418 | 0.952562 |