feat(phase2): Fine-tuning CamemBERT-bio v2 (F1=0.90) + enrichissement données

- Fine-tuning camembert-bio-base : F1=0.903, Recall=0.930 (vs 0.89/0.85)
- Data augmentation : substitution noms INSEE (219K patronymes, x3 copies)
- Hard negatives BDPM (5.7K médicaments) + QUAERO (1319 termes médicaux)
- Annotations silver enrichies par gazetteers (+612 VILLE, +5 HOPITAL)
- Export silver avec support multi-répertoires (--extra-dir)
- Gazetteers QUAERO : CHEM, DISO, PROC, ANAT depuis DrBenchmark/QUAERO
- Gazetteers INSEE : noms de famille fréquents (96K) et complets (219K)
- Batch silver 1194 PDFs (run_batch_silver_export.py) pour dataset v3

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
2026-03-10 02:06:08 +01:00
parent 274e2fa586
commit c9572c383a
38 changed files with 318811 additions and 1406 deletions

View File

@@ -357,7 +357,7 @@ plus O
en O
plus O
apès O
son O
son B-VILLE
AVC O
. O
@@ -1269,7 +1269,7 @@ I.P.P. O
Patient O
: O
GASTESI B-PER
MICHEL I-PER
MICHEL B-DATE_NAISSANCE
né(e) O
le O
: O
@@ -1568,7 +1568,7 @@ I.P.P. O
Patient O
: O
GASTESI B-PER
MICHEL I-PER
MICHEL B-DATE_NAISSANCE
né(e) O
le O
: O