Trabalho final de "Anotação de Textos e Processamento de Linguagem Natural (CIC0087)"

Prof. Vinícius R. P. Borges

Reconhecimento de Entidades Nomeadas

Notebook de Deep Learning - Recurrent Neural Network para reconhecimento de entidades nomeadas no Diário Oficial do GDF. Trabalho feito em notebook no Google Colab. Arquivos disponibilizados em extensão ".ipynb".

UnB, 2021/02

Aluno: Guilherme Braga (17/0162290)

Data de limite de entrega: 10/05/2022

Data de entrega: 07/05/2022

Scripts

.
└── Codigo
    ├── Classificação de todas as entidades
    │   └── 1TrabalhoFinal_CIC0087.ipynb -> Testes inicais, classificando tudo com Polynomila Rolling Hash, com "one-hot label"
    └── Classificação de entidades específicas
        ├── 2TrabalhoFinal_CIC0087.ipynb -> Classificando as entidades pedidas na especificação, testes intensivos com Polynomia/ Rolling Hash, com "one-hot label"
        └── 3TrabalhoFinal_CIC0087.ipynb -> Nova tentativa do notebook anterior, com Hashing Vectorizer

Dificuldade maior no experimento: representação de strings em inteiros, configuração de arquitetura de rede, definição de hiperparâmetros, testagem dentro do dataset possível.

A terceira tentativa foi a melhor!

Referências

Github da matéria -> https://github.com/viniciusrpb/cic0087_natural_language_processing/

Outro github da matéria -> https://github.com/UnB-KnEDLe/tutorial_anotacao_contratos_licitacoes

Importando CSV -> https://towardsdatascience.com/3-ways-to-load-csv-files-into-colab-7c14fcbdcb92

Uma tentativa de Polynomial Rolling Hash -> https://www.geeksforgeeks.org/string-hashing-using-polynomial-rolling-hash-function/

Otimização de gradiente descendente -> https://ruder.io/optimizing-gradient-descent/

LSTM notebook (Matheus Stauffer) -> https://github.com/mstauffer/tcdf_text_classification/blob/main/aula_lstm_tcdf.ipynb