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

@@ -62,7 +62,7 @@ Adresse: O
IMPASSES O
DES O
CHENES B-PER
Ville O
Ville B-VILLE
de O
résidence: O
SERRESLOUS B-VILLE
@@ -163,7 +163,7 @@ Note O
Aucune O
donnée O
renseignée O
Signes O
Signes B-VILLE
vitaux O
Item O
de O
@@ -904,7 +904,7 @@ plavix O
à O
J1 O
surv O
redon O
redon B-VILLE
atb O
a O
adapter O
@@ -1439,7 +1439,7 @@ resultat O
cardio: O
Normocarde O
a O
son O
son B-VILLE
retour O
ECG O
+ O
@@ -1516,7 +1516,7 @@ modifié. O
Le O
débit O
en O
cours O
cours B-VILLE
est O
: O
DR. O
@@ -1667,7 +1667,7 @@ modifié. O
Le O
débit O
en O
cours O
cours B-VILLE
est O
: O
10 O
@@ -2094,7 +2094,7 @@ Statut O
des O
prescriptions: O
En O
cours O
cours B-VILLE
CLOPIDOGREL O
ARW O
75MG O
@@ -2784,7 +2784,7 @@ MAQUILLAGE, O
PROTHESES, O
VERNIS O
A O
ONGLES O
ONGLES B-VILLE
Réalisé O
- O
à O
@@ -3082,7 +3082,7 @@ Page O
7 O
de O
23 O
Plan O
Plan B-VILLE
de O
soins O
Jour O
@@ -7264,7 +7264,7 @@ Page O
16 O
de O
23 O
Plan O
Plan B-VILLE
de O
soins O
Jour O
@@ -10689,7 +10689,7 @@ patient O
hospitalisé O
Volume O
plaquettaire O
moyen O
moyen B-VILLE
11,0 O
fl O
11,7 O