DrillNER: modelos de reconhecimento de entidades nomeadas em relatórios de perfuração usando aprendizado por transferência

O Processamento de Linguagem Natural (PLN) tem se tornado uma das áreas mais promissoras da Inteligência Artificial, devido aos avanços tecnológicos e ao crescimento do número de dados textuais. O valor desses dados, no entanto, só pode ser aproveitado plenamente quando é possível estruturar e extrair informações relevantes de forma automática. O Reconhecimento de Entidades Nomeadas (REN) é uma subárea do PLN cujo objetivo é fazer a classificação de palavras no texto que representam algum tipo de sentido para uma determinada aplicação. As técnicas de REN são de grande benefício para o domínio de Perfuração de Poços de Petróleo, pois as atividades realizadas acabam gerando uma quantidade robusta de dados na forma textual. Os Boletins Diários de Perfuração (BDPs) são uma dessas fontes, contendo anotações de operações realizadas e eventos observados. A extração de informações de BDPs é um desafio devido, entre outros fatores, à natureza não estruturada dos dados e à presença de termos específicos de domínio que não fazem parte da competência de modelos de língua gerais. Este trabalho buscou abordar esses desafios, propondo o DrillNER, um modelo de REN especializado nas classes específicas dos boletins de perfuração, obtido pelo ajuste-fino de modelos avançados de PLN. A abordagem proposta adota uma metodologia para selecionar a base do modelo de classificação, treiná-lo a partir de um conjunto anotado automaticamente e avaliar o resultado buscando superar as limitações do dataset padrão prata. Primeiramente, foi realizado um benchmark de diversas arquiteturas de modelo, desde baselines probabilísticos até a nova arquitetura ModernBERT, em datasets públicos do domínio de Petróleo e Gás para fundamentar a escolha do modelo inicial mais adequado aos dados dos BDPs. Esse processo resultou na escolha do ModBERTBr, que obteve uma média de Macro F1 de 83,5% entre os três datasets analisados, estatisticamente equivalente a modelos maiores enquanto otimiza o custo de memória e a velocidade de inferência. O ajuste-fino do modelo selecionado foi então feito em um dataset privado de 100 mil descrições de operações retiradas de BDPs, resultando no DrillNER, que passou por diversos testes e análises de erros para caracterizar sua robustez e suas fragilidades. O DrillNER atingiu Macro F1 de 0,9905 no conjunto de teste, valor que reflete sua fidelidade às anotações de padrão prata geradas por regras.

Resumo (inglês)

Natural Language Processing (NLP) has become one of the most promising areas of Artificial Intelligence, owing to technological advances and to the growing volume of textual data. The value of such data, however, can only be fully harnessed when it is possible to structure and extract relevant information automatically. Named Entity Recognition (NER) is a subfield of NLP whose goal is to classify words in a text that convey some kind of meaning for a given application. NER techniques are of great benefit to the Oil Well Drilling domain, since the activities carried out end up generating a substantial amount of data in textual form. Daily Drilling Reports (DDRs) are one such source, containing records of operations performed and events observed. Extracting information from DDRs is a challenge due, among other factors, to the unstructured nature of the data and to the presence of domain-specific terms that lie outside the competence of general-purpose language models. This work sought to address these challenges by proposing DrillNER, a NER model specialized in the specific classes of drilling reports, obtained through the fine-tuning of advanced NLP models. The proposed approach adopts a methodology to select the base of the classification model, train it on an automatically annotated set, and evaluate the result while seeking to overcome the limitations of the silver-standard dataset. First, a benchmark of several model architectures was carried out, ranging from probabilistic baselines to the new ModernBERT architecture, on public datasets from the Oil & Gas domain, in order to ground the choice of the initial model most suitable for the DDR data. This process resulted in the selection of ModBERTBr, which achieved an average Macro F1 of 83.5% across the three analyzed datasets, statistically equivalent to larger models while optimizing memory cost and inference speed. The fine-tuning of the selected model was then performed on a private dataset of 100 thousand operation descriptions extracted from DDRs, resulting in DrillNER, which underwent several tests and error analyses to characterize its robustness and weaknesses. DrillNER reached a Macro F1 of 0.9905 on the test set, a value that reflects its fidelity to the rule-generated silver-standard annotations.

Palavras-chave

Processamento de linguagem natural Classificação Perfuração de poços de petróleo Natural language processing Classification Oil well drilling

Idioma

Português

Citação

TICIANELI, Gabriel Henrique Garcia. DrillNER: modelos de reconhecimento de entidades nomeadas em relatórios de perfuração usando aprendizado por transferência. Dissertação (Mestrado em Ciência da Computação) - Faculdade de Ciências, Universidade Estadual Paulista, Bauru, 2026.