{"id":29989880,"url":"https://github.com/vic37get/helbertmodel","last_synced_at":"2025-08-22T02:08:06.216Z","repository":{"id":307124914,"uuid":"793496222","full_name":"vic37get/HelBERTModel","owner":"vic37get","description":"⚖📝 HelBERT, um modelo de linguagem pré treinado com textos de Editais de Licitações.","archived":false,"fork":false,"pushed_at":"2025-07-29T15:30:26.000Z","size":12920,"stargazers_count":0,"open_issues_count":0,"forks_count":0,"subscribers_count":1,"default_branch":"main","last_synced_at":"2025-07-29T16:58:16.014Z","etag":null,"topics":["bert","helbert","language-model","pretrained"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/vic37get.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2024-04-29T10:30:43.000Z","updated_at":"2025-07-29T15:30:33.000Z","dependencies_parsed_at":"2025-07-29T17:08:25.495Z","dependency_job_id":null,"html_url":"https://github.com/vic37get/HelBERTModel","commit_stats":null,"previous_names":["vic37get/helbertmodel"],"tags_count":null,"template":false,"template_full_name":null,"purl":"pkg:github/vic37get/HelBERTModel","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/vic37get%2FHelBERTModel","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/vic37get%2FHelBERTModel/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/vic37get%2FHelBERTModel/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/vic37get%2FHelBERTModel/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/vic37get","download_url":"https://codeload.github.com/vic37get/HelBERTModel/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/vic37get%2FHelBERTModel/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":271574431,"owners_count":24783319,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","status":"online","status_checked_at":"2025-08-22T02:00:08.480Z","response_time":65,"last_error":null,"robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":true,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["bert","helbert","language-model","pretrained"],"created_at":"2025-08-04T23:28:57.427Z","updated_at":"2025-08-22T02:08:06.207Z","avatar_url":"https://github.com/vic37get.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"# HelBERT 👨‍⚖️\n\n⚖📝 **HelBERT** é um repositório completo para pré-treinamento, fine-tuning, avaliação e análise de modelos de linguagem baseados em BERT, com foco em textos de Editais de Licitações e domínio jurídico-administrativo brasileiro.\n\n---\n\n## Sumário\n\n- [Sobre o Projeto](#sobre-o-projeto)\n- [Estrutura do Repositório](#estrutura-do-repositório)\n- [Pré-treinamento do HelBERT](#pré-treinamento-do-helbert)\n- [Fine-tuning e Avaliação](#fine-tuning-e-avaliação)\n- [Como Executar](#como-executar)\n- [Resultados e Métricas](#resultados-e-métricas)\n- [HelBERT no Hugging Face 🤗](#helbert-no-hugging-face-🤗)\n\n---\n\n## Sobre o Projeto\n\nEste repositório contém todo o pipeline para:\n- **Pré-treinamento** de modelos BERT no domínio de licitações públicas.\n- **Fine-tuning** para tarefas específicas (classificação, NER, etc).\n- **Avaliação** e análise de métricas dos modelos.\n- **Scripts utilitários** para limpeza, preparação de dados e visualização de resultados.\n\nO HelBERT foi treinado do zero utilizando grandes volumes de editais e documentos públicos, visando melhorar o desempenho em tarefas jurídicas e administrativas.\n\n---\n\n## Estrutura do Repositório\n\nA pasta principal de código é [`Codigos/`](Codigos/), organizada da seguinte forma:\n\n- **BaseDeDados/**: Scripts de limpeza, preparação e manipulação de datasets.\n- **CalculoMetricasHelBERTs/**: Cálculo e análise de métricas dos modelos.\n- **Distilled/**: Técnicas de destilação de modelos.\n- **FineTuning/**: Scripts para fine-tuning e avaliação em diferentes tarefas (Classificação, NER, etc).\n- **Graficos/**: Geração de gráficos e visualizações.\n- **LSG/**: Métodos para long sequence modeling.\n- **PreTreinamento/**: Scripts para pré-treinamento do HelBERT.\n- **utils/**: Funções utilitárias para manipulação de arquivos, métricas, etc.\n\nAlém disso, o repositório contém exemplos de datasets, modelos treinados e resultados de experimentos.\n\n---\n\n## Pré-treinamento do HelBERT\n\nO pré-treinamento do HelBERT é realizado a partir de grandes corpora de editais, utilizando scripts em [`Codigos/PreTreinamento/`](Codigos/PreTreinamento/). O processo inclui:\n- Limpeza e normalização dos textos ([`cleaner_pretreinamento.py`](Codigos/BaseDeDados/cleaner_pretreinamento.py))\n- Tokenização e preparação dos dados\n- Treinamento do modelo BERT com Masked Language Modeling\n\n---\n\n## Fine-tuning e Avaliação\n\nO fine-tuning é realizado para diferentes tarefas, como:\n- **Classificação de textos** ([`FineTuning/Classificacao/`](Codigos/FineTuning/Classificacao/))\n- **Reconhecimento de Entidades Nomeadas (NER)** ([`FineTuning/EntidadesNomeadas/`](Codigos/FineTuning/EntidadesNomeadas/))\n- **Outras tarefas específicas** (Fertilidade, Objetos, etc)\n\nScripts de avaliação e cálculo de métricas estão disponíveis em [`CalculoMetricasHelBERTs/`](Codigos/CalculoMetricasHelBERTs/) e [`FineTuning/*/`](Codigos/FineTuning/).\n\n---\n\n## Como Executar\n\n1. **Instale as dependências:**\n   ```bash\n   pip install -r requirements.txt\n\n2. **Prepare os dados:**\n\nUtilize os scripts em Codigos/BaseDeDados/ para limpeza e preparação dos datasets.\n\n3. **Pré-treine o modelo:**\n\nExecute os scripts em Codigos/PreTreinamento/ para treinar o HelBERT do zero.\n\n4. **Fine-tuning e avaliação:**\n\nUtilize os scripts em Codigos/FineTuning/ para treinar e avaliar o modelo em tarefas específicas.\n\n5. **Visualize os resultados:**\n\nGere gráficos e relatórios com os notebooks em Codigos/Graficos/ e Codigos/CalculoMetricasHelBERTs/.\n\n---\n\n## Resultados e Métricas\n\nOs resultados dos experimentos, métricas de avaliação e comparações com outros modelos estão disponíveis em:\n\nCodigos/CalculoMetricasHelBERTs/metricas_modelos.json\n\nNotebooks de análise em Codigos/CalculoMetricasHelBERTs/\n\n---\n\n## HelBERT no Hugging Face 🤗\n\nO modelo **HelBERT-base** está disponível publicamente no [Hugging Face Hub](https://huggingface.co/vic35get/HelBERT-base):\n\n[![Hugging Face](https://img.shields.io/badge/HuggingFace-HelBERT--base-yellow?logo=huggingface)](https://huggingface.co/vic35get/HelBERT-base)\n\n\n### Como utilizar o HelBERT-base\n\nVocê pode importar e utilizar o modelo diretamente em seu código Python com a biblioteca `transformers`:\n\n```python\nfrom transformers import AutoTokenizer, AutoModel\n\ntokenizer = AutoTokenizer.from_pretrained(\"vic35get/HelBERT-base\")\nmodel = AutoModel.from_pretrained(\"vic35get/HelBERT-base\")\n\n# Exemplo de uso\ninputs = tokenizer(\"Exemplo de texto jurídico para o HelBERT.\", return_tensors=\"pt\")\noutputs = model(**inputs)\n\n---","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fvic37get%2Fhelbertmodel","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fvic37get%2Fhelbertmodel","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fvic37get%2Fhelbertmodel/lists"}