bert-finetuned-ner

<!-- This model card has been generated automatically according to the information the Trainer had access to. You should probably proofread and complete it, then remove this comment. -->

bert-finetuned-ner

This model is a fine-tuned version of bert-base-cased on the conll2002 dataset. It achieves the following results on the evaluation set:

• Loss: 0.1912
• Precision: 0.7641
• Recall: 0.8088
• F1: 0.7858
• Accuracy: 0.9677

Model description

El modelo base bert-base-cased es una versión pre-entrenada del popular modelo de lenguaje BERT de Google. Inicialmente fue entrenado en grandes cantidades de texto para aprender representaciones densas de palabras y secuencias. Posteriormente, este modelo toma la arquitectura y pesos pre-entrenados de bert-base-cased y los ajusta aún más en la tarea específica de Reconocimiento de Entidades Nombradas (NER por sus siglas en inglés) utilizando el conjunto de datos conll2002.

How to Use

from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline

tokenizer = AutoTokenizer.from_pretrained("JoshuaAAX/bert-finetuned-ner")
model = AutoModelForTokenClassification.from_pretrained("JoshuaAAX/bert-finetuned-ner")


text = "La Federación nacional de cafeteros de Colombia es una entidad del estado. El primer presidente el Dr Augusto Guerra contó con el aval de la Asociación Colombiana de Aviación."


ner_pipeline= pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy="max")
ner_pipeline(text) 

Training data

Training hyperparameters

The following hyperparameters were used during training:

• learning_rate: 2e-05
• train_batch_size: 16
• eval_batch_size: 16
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 10

Training results

Framework versions

• Transformers 4.41.0
• Pytorch 2.3.0+cu121
• Datasets 2.19.1
• Tokenizers 0.19.1