Aprimorando o Reconhecimento de Entidades Nomeadas em Textos Literários em Português com Modelos Adaptativos

• Mariana O. Silva ^[1] ; Mirella Moro ^[1]
  1. [1] Universidade Federal de Minas Gerais

     Universidade Federal de Minas Gerais

     Brasil

     
• Localización: Linguamática, ISSN 1647-0818, Vol. 17, Nº. 1, 2025, págs. 77-94
• Idioma: portugués
• Títulos paralelos:
  • Enhancing Named Entity Recognition in Portuguese Literary Texts with Adaptive Models
• Enlaces
  • Texto completo
• Resumen
  • português

    Neste trabalho, investigamos estratégias de pré- treinamento para aprimorar o Reconhecimento de Entidades Nomeadas (REN) em textos literários em português. Introduzimos dois modelos adaptativos ao domínio, LitBERT-CRF e LitBERTimbau, construídos sobre modelos de linguagem de domínio geral. Avaliamos o aprendizado por transferência entre domínios em conjunto com um baseline de domínio geral (BERT-CRF). Nossas análises destacam a eficácia dessas estratégias e suas implicações para tarefas de REN literário. Resultados experimentais revelam que os modelos adaptados e ajustados ao domínio literário superam o baseline, alcançando uma pontuação F1 maior que 75% em um cenário de avaliação estrita e que 80\% em um cenário parcial

  • English

    We investigate pre-training strategies to enhance Named Entity Recognition (NER) in Portuguese literary texts. We introduce two domain-adaptive models, LitBERT-CRF and LitBERTimbau, built on general-domain language models. We also evaluate transfer learning across domains alongside a generaldomain baseline (BERT-CRF). Overall, our findings highlight the efficiency of our strategies and their implications for literary NER tasks. Furthermore, experimental results reveal the adapted and domainspecific models outperform the generic baseline with an F1 score of over 75% in a strict evaluation scenario and over 80% in a partial scenario.