Reconhecimento de entidades nomeadas em texto jurídico brasileiro (fine-tune no dataset LeNER-br sobre o BERTimbau base). Entidades: PESSOA, ORGANIZACAO, LOCAL, TEMPO, LEGISLACAO, JURISPRUDENCIA.

Arquivos

Arquivo	Precisão	Tamanho
`onnx/model.onnx`	fp32	~413 MB
`onnx/model_quantized.onnx`	int8	~104 MB

O transformers.js carrega onnx/model_quantized.onnx por padrão (quantized: true).

Uso

import { pipeline } from '@xenova/transformers';
const ner = await pipeline('token-classification', 'RNCC83/lenerbr-ner-onnx');
const out = await ner('WALACY MELO SOARES TOMAZ em face de CENTRO ... LTDA');

Conversão

Exportado com optimum-cli export onnx (task token-classification) e quantizado para int8 com onnxruntime.quantization.quantize_dynamic. Diferença máxima fp32→ONNX: ~5.7e-05 (dentro da tolerância prática).

Créditos e licença

Modelo original e fine-tune: Pierre Guillou — pierreguillou/ner-bert-base-cased-pt-lenerbr
Modelo base: BERTimbau (neuralmind/bert-base-portuguese-cased)
Dataset: LeNER-br

Este repositório contém apenas uma re-exportação técnica (ONNX/quantização) dos pesos do modelo original, sem alteração de arquitetura ou re-treino. O modelo original não declara licença explícita; todos os direitos e créditos do modelo permanecem com os autores acima. Use em conformidade com os termos do trabalho original.