feat(phase2): Gazetteers FINESS 102K établissements + fine-tuning CamemBERT-bio F1=89%
Gazetteers FINESS (data.gouv.fr open data): - 102K numéros FINESS → détection par lookup exact dans _mask_admin_label + selective_rescan - 122K noms d'établissements, 113K téléphones, 76K adresses (disponibles) - Un nombre 9 chiffres matchant un vrai FINESS est masqué même sans label "FINESS" Fine-tuning CamemBERT-bio (almanach/camembert-bio-base): - Export silver annotations réécrit : alignement original↔pseudonymisé (difflib) → 6862 entités B- (vs 3344 avec l'ancien audit-only) sur 222K tokens - Sliding windows (200 tokens, stride 100) pour documents longs - WeightedNERTrainer avec class weights cappés (max 10x) + label smoothing - Résultat: Precision=88.1%, Recall=89.8%, F1=88.9% (20 epochs, lr=1e-5) - Modèle sauvegardé dans models/camembert-bio-deid/best (non commité) Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
@@ -2,7 +2,7 @@ Courrier O
|
||||
Epi O
|
||||
- O
|
||||
RICHARD, O
|
||||
[NOM] B-PER
|
||||
CLAUDE B-PER
|
||||
___________________________________________________________________________________________________________________________ O
|
||||
Courriers O
|
||||
médicaux O
|
||||
@@ -11,16 +11,14 @@ Lettre O
|
||||
de O
|
||||
sortie O
|
||||
05/07/23 O
|
||||
14 O
|
||||
: O
|
||||
17 O
|
||||
14:17 O
|
||||
(mod. O
|
||||
le O
|
||||
07/07/23 O
|
||||
12:19 O
|
||||
par O
|
||||
[NOM] B-PER
|
||||
[NOM] B-PER
|
||||
PENOUILH B-PER
|
||||
Emilie I-PER
|
||||
, O
|
||||
statut O
|
||||
: O
|
||||
@@ -34,7 +32,8 @@ le O
|
||||
juillet O
|
||||
2023 O
|
||||
Docteur O
|
||||
[NOM] B-PER
|
||||
Philippe B-PER
|
||||
ETCHETO I-PER
|
||||
Centre O
|
||||
Médical O
|
||||
de O
|
||||
@@ -43,14 +42,16 @@ Zup O
|
||||
Quartier O
|
||||
Ste O
|
||||
Croix O
|
||||
[CODE_POSTAL] B-ZIP
|
||||
64100 B-ZIP
|
||||
BAYONNE I-ZIP
|
||||
Cher O
|
||||
Confrère, O
|
||||
Monsieur O
|
||||
[NOM] B-PER
|
||||
, O
|
||||
[DATE_NAISSANCE] B-DATE_NAISSANCE
|
||||
, O
|
||||
Claude O
|
||||
RICHARD, O
|
||||
né O
|
||||
le O
|
||||
27/08/1954, O
|
||||
a O
|
||||
été O
|
||||
hospitalisé O
|
||||
@@ -409,21 +410,20 @@ patient O
|
||||
Page O
|
||||
1 O
|
||||
17/04/2025 O
|
||||
09 O
|
||||
: O
|
||||
17:42 O
|
||||
09:17:42 O
|
||||
Courrier O
|
||||
Epi O
|
||||
- O
|
||||
RICHARD, O
|
||||
[NOM] B-PER
|
||||
CLAUDE B-PER
|
||||
___________________________________________________________________________________________________________________________ O
|
||||
Courriers O
|
||||
médicaux O
|
||||
Bien O
|
||||
confraternellement. O
|
||||
Docteur O
|
||||
[NOM] B-PER
|
||||
Antoine B-PER
|
||||
DOUARD I-PER
|
||||
Courrier O
|
||||
lu O
|
||||
et O
|
||||
@@ -437,6 +437,4 @@ patient O
|
||||
Page O
|
||||
2 O
|
||||
17/04/2025 O
|
||||
09 O
|
||||
: O
|
||||
17:42 O
|
||||
09:17:42 O
|
||||
Reference in New Issue
Block a user