bert-large-finetuned-ner-ghtk-cs-3090-18July-2

Kudod/bert-large-finetuned-ner-ghtk-cs-3090-18July-2

bert-large-finetuned-ner-ghtk-cs-3090-18July-2 is a token classification model from Kudod. Use it when you need labels on individual words, such as names. It is set up for transformers. The card lists the license as apache-2.0.

should probably proofread and complete it, then remove this comment. --

Downloads · 30 days

3% of all-time downloads

All-time downloads

196

Public

Parameters

333M

13.3 GB on disk

Likes

Public

Hugging Face

Repo makeup

Click a slice to open those files.

.safetensors1.3 GB · 100%

At a glance

Task: Token Classification
Library: transformers
License: apache-2.0
Model type: bert
Access: Public
Created: Jul 18, 2024
Updated: Jul 18, 2024
SHA: c37f5961

Try a prompt

Base models

google-bert/bert-large-cased-whole-word-masking

Model card

From the Hugging Face model README

bert-large-finetuned-ner-ghtk-cs-3090-18July-2

This model is a fine-tuned version of google-bert/bert-large-cased-whole-word-masking on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.3933
cmt: {'precision': 0.7272727272727273, 'recall': 0.5714285714285714, 'f1': 0.64, 'number': 14}
Tk: {'precision': 0.8207547169811321, 'recall': 0.5087719298245614, 'f1': 0.628158844765343, 'number': 171}
A: {'precision': 0.9244851258581236, 'recall': 0.9665071770334929, 'f1': 0.945029239766082, 'number': 418}
Gày: {'precision': 0.5416666666666666, 'recall': 0.7878787878787878, 'f1': 0.6419753086419753, 'number': 33}
Gày trừu tượng: {'precision': 0.8677685950413223, 'recall': 0.8993576017130621, 'f1': 0.8832807570977917, 'number': 467}
Gân hàng: {'precision': 0.7948717948717948, 'recall': 0.8857142857142857, 'f1': 0.8378378378378378, 'number': 35}
Hương thức thanh toán: {'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 30}
Hối lượng: {'precision': 0.38461538461538464, 'recall': 0.4166666666666667, 'f1': 0.4, 'number': 12}
Iền: {'precision': 0.6274509803921569, 'recall': 0.8205128205128205, 'f1': 0.711111111111111, 'number': 39}
Iờ: {'precision': 0.6, 'recall': 0.7105263157894737, 'f1': 0.6506024096385543, 'number': 38}
Mail: {'precision': 0.9619565217391305, 'recall': 0.9315789473684211, 'f1': 0.946524064171123, 'number': 380}
Ã đơn: {'precision': 0.8038277511961722, 'recall': 0.8442211055276382, 'f1': 0.823529411764706, 'number': 199}
Ên người: {'precision': 0.3333333333333333, 'recall': 0.36666666666666664, 'f1': 0.3492063492063492, 'number': 30}
Đt: {'precision': 0.8577127659574468, 'recall': 0.9662921348314607, 'f1': 0.9087706939063052, 'number': 1335}
Đt trừu tượng: {'precision': 0.8025974025974026, 'recall': 0.8262032085561497, 'f1': 0.8142292490118578, 'number': 374}
Ơn vị đo: {'precision': 0.6521739130434783, 'recall': 0.5357142857142857, 'f1': 0.5882352941176471, 'number': 28}
Ản phẩm cụ thể: {'precision': 0.8432835820895522, 'recall': 0.4232209737827715, 'f1': 0.5635910224438903, 'number': 267}
Ản phẩm trừu tượng: {'precision': 0.4049586776859504, 'recall': 0.45794392523364486, 'f1': 0.4298245614035088, 'number': 107}
Ịa chỉ cụ thể: {'precision': 0.24, 'recall': 0.24, 'f1': 0.24, 'number': 75}
Ịa chỉ trừu tượng: {'precision': 0.7258064516129032, 'recall': 0.6, 'f1': 0.6569343065693432, 'number': 75}
Overall Precision: 0.8212
Overall Recall: 0.8326
Overall F1: 0.8269
Overall Accuracy: 0.9388

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	cmt	Tk	A	Gày	Gày trừu tượng	Gân hàng	Hương thức thanh toán	Hối lượng	Iền	Iờ	Mail	Ã đơn	Ên người	Đt	Đt trừu tượng	Ơn vị đo	Ản phẩm cụ thể	Ản phẩm trừu tượng	Ịa chỉ cụ thể	Ịa chỉ trừu tượng	Overall Precision	Overall Recall	Overall F1	Overall Accuracy
0.3764	1.0	735	0.2945	{'precision': 0.625, 'recall': 0.7142857142857143, 'f1': 0.6666666666666666, 'number': 14}	{'precision': 0.6179775280898876, 'recall': 0.3216374269005848, 'f1': 0.423076923076923, 'number': 171}	{'precision': 0.9280397022332506, 'recall': 0.8947368421052632, 'f1': 0.9110840438489646, 'number': 418}	{'precision': 0.575, 'recall': 0.696969696969697, 'f1': 0.6301369863013698, 'number': 33}	{'precision': 0.7983367983367984, 'recall': 0.8222698072805139, 'f1': 0.810126582278481, 'number': 467}	{'precision': 0.42857142857142855, 'recall': 0.34285714285714286, 'f1': 0.38095238095238093, 'number': 35}	{'precision': 0.5555555555555556, 'recall': 0.6666666666666666, 'f1': 0.606060606060606, 'number': 30}	{'precision': 0.25925925925925924, 'recall': 0.5833333333333334, 'f1': 0.358974358974359, 'number': 12}	{'precision': 0.6, 'recall': 0.8461538461538461, 'f1': 0.7021276595744681, 'number': 39}	{'precision': 0.5517241379310345, 'recall': 0.8421052631578947, 'f1': 0.6666666666666666, 'number': 38}	{'precision': 0.8767441860465116, 'recall': 0.9921052631578947, 'f1': 0.9308641975308642, 'number': 380}	{'precision': 0.7304347826086957, 'recall': 0.8442211055276382, 'f1': 0.7832167832167833, 'number': 199}	{'precision': 0.08333333333333333, 'recall': 0.03333333333333333, 'f1': 0.04761904761904761, 'number': 30}	{'precision': 0.7767387492694331, 'recall': 0.9955056179775281, 'f1': 0.8726198292843073, 'number': 1335}	{'precision': 0.8105590062111802, 'recall': 0.6978609625668449, 'f1': 0.75, 'number': 374}	{'precision': 0.42857142857142855, 'recall': 0.21428571428571427, 'f1': 0.2857142857142857, 'number': 28}	{'precision': 0.7286821705426356, 'recall': 0.352059925093633, 'f1': 0.4747474747474748, 'number': 267}	{'precision': 0.4375, 'recall': 0.19626168224299065, 'f1': 0.2709677419354839, 'number': 107}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 75}	{'precision': 0.6727272727272727, 'recall': 0.49333333333333335, 'f1': 0.5692307692307692, 'number': 75}	0.7748	0.7860	0.7804	0.9177
0.2158	2.0	1470	0.2346	{'precision': 0.6923076923076923, 'recall': 0.6428571428571429, 'f1': 0.6666666666666666, 'number': 14}	{'precision': 0.6903225806451613, 'recall': 0.6257309941520468, 'f1': 0.656441717791411, 'number': 171}	{'precision': 0.9055299539170507, 'recall': 0.9401913875598086, 'f1': 0.9225352112676056, 'number': 418}	{'precision': 0.5833333333333334, 'recall': 0.42424242424242425, 'f1': 0.4912280701754386, 'number': 33}	{'precision': 0.8362445414847162, 'recall': 0.8201284796573876, 'f1': 0.8281081081081081, 'number': 467}	{'precision': 0.717948717948718, 'recall': 0.8, 'f1': 0.7567567567567569, 'number': 35}	{'precision': 0.8518518518518519, 'recall': 0.7666666666666667, 'f1': 0.8070175438596491, 'number': 30}	{'precision': 0.07142857142857142, 'recall': 0.08333333333333333, 'f1': 0.07692307692307691, 'number': 12}	{'precision': 0.5576923076923077, 'recall': 0.7435897435897436, 'f1': 0.6373626373626373, 'number': 39}	{'precision': 0.4918032786885246, 'recall': 0.7894736842105263, 'f1': 0.6060606060606061, 'number': 38}	{'precision': 0.9971671388101983, 'recall': 0.9263157894736842, 'f1': 0.9604365620736698, 'number': 380}	{'precision': 0.555205047318612, 'recall': 0.8844221105527639, 'f1': 0.682170542635659, 'number': 199}	{'precision': 0.25925925925925924, 'recall': 0.23333333333333334, 'f1': 0.2456140350877193, 'number': 30}	{'precision': 0.8124614435533621, 'recall': 0.9865168539325843, 'f1': 0.8910690121786197, 'number': 1335}	{'precision': 0.6919831223628692, 'recall': 0.8770053475935828, 'f1': 0.7735849056603774, 'number': 374}	{'precision': 0.38095238095238093, 'recall': 0.2857142857142857, 'f1': 0.32653061224489793, 'number': 28}	{'precision': 0.7611940298507462, 'recall': 0.38202247191011235, 'f1': 0.5087281795511222, 'number': 267}	{'precision': 1.0, 'recall': 0.14018691588785046, 'f1': 0.2459016393442623, 'number': 107}	{'precision': 0.10752688172043011, 'recall': 0.13333333333333333, 'f1': 0.11904761904761905, 'number': 75}	{'precision': 0.7272727272727273, 'recall': 0.5333333333333333, 'f1': 0.6153846153846153, 'number': 75}	0.7686	0.8171	0.7921	0.9228
0.1241	3.0	2205	0.2445	{'precision': 0.8, 'recall': 0.8571428571428571, 'f1': 0.8275862068965518, 'number': 14}	{'precision': 0.656, 'recall': 0.47953216374269003, 'f1': 0.5540540540540541, 'number': 171}	{'precision': 0.9068736141906873, 'recall': 0.9784688995215312, 'f1': 0.9413118527042578, 'number': 418}	{'precision': 0.5434782608695652, 'recall': 0.7575757575757576, 'f1': 0.6329113924050633, 'number': 33}	{'precision': 0.8145315487571702, 'recall': 0.9122055674518201, 'f1': 0.8606060606060606, 'number': 467}	{'precision': 0.8055555555555556, 'recall': 0.8285714285714286, 'f1': 0.8169014084507044, 'number': 35}	{'precision': 0.7741935483870968, 'recall': 0.8, 'f1': 0.7868852459016393, 'number': 30}	{'precision': 0.3333333333333333, 'recall': 0.5, 'f1': 0.4, 'number': 12}	{'precision': 0.6, 'recall': 0.3076923076923077, 'f1': 0.4067796610169492, 'number': 39}	{'precision': 0.6521739130434783, 'recall': 0.39473684210526316, 'f1': 0.49180327868852464, 'number': 38}	{'precision': 0.8941176470588236, 'recall': 1.0, 'f1': 0.9440993788819877, 'number': 380}	{'precision': 0.7359307359307359, 'recall': 0.8542713567839196, 'f1': 0.7906976744186045, 'number': 199}	{'precision': 0.275, 'recall': 0.36666666666666664, 'f1': 0.3142857142857143, 'number': 30}	{'precision': 0.810926949048496, 'recall': 0.9895131086142323, 'f1': 0.8913630229419702, 'number': 1335}	{'precision': 0.6593186372745491, 'recall': 0.8796791443850267, 'f1': 0.7537227949599083, 'number': 374}	{'precision': 0.625, 'recall': 0.35714285714285715, 'f1': 0.45454545454545453, 'number': 28}	{'precision': 0.9009009009009009, 'recall': 0.37453183520599254, 'f1': 0.5291005291005291, 'number': 267}	{'precision': 0.5, 'recall': 0.2803738317757009, 'f1': 0.35928143712574845, 'number': 107}	{'precision': 0.07894736842105263, 'recall': 0.08, 'f1': 0.07947019867549669, 'number': 75}	{'precision': 0.6896551724137931, 'recall': 0.5333333333333333, 'f1': 0.6015037593984963, 'number': 75}	0.7753	0.8328	0.8030	0.9323
0.1024	4.0	2940	0.2728	{'precision': 0.7777777777777778, 'recall': 0.5, 'f1': 0.6086956521739131, 'number': 14}	{'precision': 0.6850393700787402, 'recall': 0.5087719298245614, 'f1': 0.5838926174496645, 'number': 171}	{'precision': 0.9316037735849056, 'recall': 0.9449760765550239, 'f1': 0.9382422802850356, 'number': 418}	{'precision': 0.5652173913043478, 'recall': 0.7878787878787878, 'f1': 0.6582278481012658, 'number': 33}	{'precision': 0.8404040404040404, 'recall': 0.8907922912205567, 'f1': 0.8648648648648648, 'number': 467}	{'precision': 0.7317073170731707, 'recall': 0.8571428571428571, 'f1': 0.7894736842105263, 'number': 35}	{'precision': 0.6176470588235294, 'recall': 0.7, 'f1': 0.65625, 'number': 30}	{'precision': 0.4166666666666667, 'recall': 0.4166666666666667, 'f1': 0.4166666666666667, 'number': 12}	{'precision': 0.6, 'recall': 0.7692307692307693, 'f1': 0.6741573033707865, 'number': 39}	{'precision': 0.6486486486486487, 'recall': 0.631578947368421, 'f1': 0.64, 'number': 38}	{'precision': 0.8977556109725686, 'recall': 0.9473684210526315, 'f1': 0.9218950064020487, 'number': 380}	{'precision': 0.7837837837837838, 'recall': 0.8743718592964824, 'f1': 0.8266033254156769, 'number': 199}	{'precision': 0.22857142857142856, 'recall': 0.26666666666666666, 'f1': 0.24615384615384614, 'number': 30}	{'precision': 0.8360864040660737, 'recall': 0.9857677902621723, 'f1': 0.9047782743210726, 'number': 1335}	{'precision': 0.8258575197889182, 'recall': 0.8368983957219251, 'f1': 0.8313413014608234, 'number': 374}	{'precision': 0.6071428571428571, 'recall': 0.6071428571428571, 'f1': 0.6071428571428571, 'number': 28}	{'precision': 0.9157894736842105, 'recall': 0.3258426966292135, 'f1': 0.4806629834254144, 'number': 267}	{'precision': 0.3888888888888889, 'recall': 0.1308411214953271, 'f1': 0.1958041958041958, 'number': 107}	{'precision': 0.13793103448275862, 'recall': 0.10666666666666667, 'f1': 0.12030075187969926, 'number': 75}	{'precision': 0.7843137254901961, 'recall': 0.5333333333333333, 'f1': 0.634920634920635, 'number': 75}	0.8132	0.8185	0.8158	0.9352
0.0586	5.0	3675	0.2898	{'precision': 0.7692307692307693, 'recall': 0.7142857142857143, 'f1': 0.7407407407407408, 'number': 14}	{'precision': 0.7295081967213115, 'recall': 0.52046783625731, 'f1': 0.6075085324232083, 'number': 171}	{'precision': 0.9197247706422018, 'recall': 0.9593301435406698, 'f1': 0.9391100702576113, 'number': 418}	{'precision': 0.5777777777777777, 'recall': 0.7878787878787878, 'f1': 0.6666666666666666, 'number': 33}	{'precision': 0.8536082474226804, 'recall': 0.8865096359743041, 'f1': 0.8697478991596638, 'number': 467}	{'precision': 0.8378378378378378, 'recall': 0.8857142857142857, 'f1': 0.8611111111111112, 'number': 35}	{'precision': 0.6153846153846154, 'recall': 0.8, 'f1': 0.6956521739130435, 'number': 30}	{'precision': 0.3076923076923077, 'recall': 0.3333333333333333, 'f1': 0.32, 'number': 12}	{'precision': 0.6041666666666666, 'recall': 0.7435897435897436, 'f1': 0.6666666666666667, 'number': 39}	{'precision': 0.5471698113207547, 'recall': 0.7631578947368421, 'f1': 0.6373626373626373, 'number': 38}	{'precision': 0.931758530183727, 'recall': 0.9342105263157895, 'f1': 0.9329829172141919, 'number': 380}	{'precision': 0.8038277511961722, 'recall': 0.8442211055276382, 'f1': 0.823529411764706, 'number': 199}	{'precision': 0.35714285714285715, 'recall': 0.3333333333333333, 'f1': 0.3448275862068965, 'number': 30}	{'precision': 0.8514851485148515, 'recall': 0.9662921348314607, 'f1': 0.9052631578947369, 'number': 1335}	{'precision': 0.7951482479784366, 'recall': 0.7887700534759359, 'f1': 0.7919463087248322, 'number': 374}	{'precision': 0.53125, 'recall': 0.6071428571428571, 'f1': 0.5666666666666667, 'number': 28}	{'precision': 0.8608695652173913, 'recall': 0.3707865168539326, 'f1': 0.5183246073298429, 'number': 267}	{'precision': 0.7, 'recall': 0.1308411214953271, 'f1': 0.22047244094488186, 'number': 107}	{'precision': 0.32653061224489793, 'recall': 0.21333333333333335, 'f1': 0.25806451612903225, 'number': 75}	{'precision': 0.7627118644067796, 'recall': 0.6, 'f1': 0.6716417910447762, 'number': 75}	0.8270	0.8156	0.8213	0.9366
0.043	6.0	4410	0.2820	{'precision': 0.6666666666666666, 'recall': 0.7142857142857143, 'f1': 0.689655172413793, 'number': 14}	{'precision': 0.7819548872180451, 'recall': 0.6081871345029239, 'f1': 0.6842105263157894, 'number': 171}	{'precision': 0.9334916864608076, 'recall': 0.9401913875598086, 'f1': 0.9368295589988082, 'number': 418}	{'precision': 0.5, 'recall': 0.7575757575757576, 'f1': 0.6024096385542169, 'number': 33}	{'precision': 0.8744769874476988, 'recall': 0.8950749464668094, 'f1': 0.8846560846560846, 'number': 467}	{'precision': 0.775, 'recall': 0.8857142857142857, 'f1': 0.8266666666666667, 'number': 35}	{'precision': 0.7352941176470589, 'recall': 0.8333333333333334, 'f1': 0.78125, 'number': 30}	{'precision': 0.4166666666666667, 'recall': 0.4166666666666667, 'f1': 0.4166666666666667, 'number': 12}	{'precision': 0.5862068965517241, 'recall': 0.8717948717948718, 'f1': 0.7010309278350514, 'number': 39}	{'precision': 0.6041666666666666, 'recall': 0.7631578947368421, 'f1': 0.6744186046511628, 'number': 38}	{'precision': 0.8755760368663594, 'recall': 1.0, 'f1': 0.9336609336609336, 'number': 380}	{'precision': 0.7894736842105263, 'recall': 0.8291457286432161, 'f1': 0.8088235294117647, 'number': 199}	{'precision': 0.2894736842105263, 'recall': 0.36666666666666664, 'f1': 0.32352941176470584, 'number': 30}	{'precision': 0.8502570694087404, 'recall': 0.9910112359550561, 'f1': 0.9152542372881356, 'number': 1335}	{'precision': 0.7040169133192389, 'recall': 0.8903743315508021, 'f1': 0.7863046044864226, 'number': 374}	{'precision': 0.5757575757575758, 'recall': 0.6785714285714286, 'f1': 0.6229508196721312, 'number': 28}	{'precision': 0.7515923566878981, 'recall': 0.4419475655430712, 'f1': 0.5566037735849056, 'number': 267}	{'precision': 0.36633663366336633, 'recall': 0.34579439252336447, 'f1': 0.3557692307692307, 'number': 107}	{'precision': 0.25301204819277107, 'recall': 0.28, 'f1': 0.26582278481012656, 'number': 75}	{'precision': 0.7096774193548387, 'recall': 0.5866666666666667, 'f1': 0.6423357664233577, 'number': 75}	0.7948	0.8541	0.8234	0.9380
0.0229	7.0	5145	0.3304	{'precision': 0.6923076923076923, 'recall': 0.6428571428571429, 'f1': 0.6666666666666666, 'number': 14}	{'precision': 0.6866666666666666, 'recall': 0.6023391812865497, 'f1': 0.6417445482866043, 'number': 171}	{'precision': 0.944578313253012, 'recall': 0.937799043062201, 'f1': 0.9411764705882354, 'number': 418}	{'precision': 0.5681818181818182, 'recall': 0.7575757575757576, 'f1': 0.6493506493506495, 'number': 33}	{'precision': 0.8707627118644068, 'recall': 0.880085653104925, 'f1': 0.8753993610223643, 'number': 467}	{'precision': 0.7948717948717948, 'recall': 0.8857142857142857, 'f1': 0.8378378378378378, 'number': 35}	{'precision': 0.75, 'recall': 0.8, 'f1': 0.7741935483870969, 'number': 30}	{'precision': 0.3157894736842105, 'recall': 0.5, 'f1': 0.3870967741935484, 'number': 12}	{'precision': 0.66, 'recall': 0.8461538461538461, 'f1': 0.7415730337078651, 'number': 39}	{'precision': 0.6764705882352942, 'recall': 0.6052631578947368, 'f1': 0.6388888888888888, 'number': 38}	{'precision': 0.9315789473684211, 'recall': 0.9315789473684211, 'f1': 0.9315789473684211, 'number': 380}	{'precision': 0.7542372881355932, 'recall': 0.8944723618090452, 'f1': 0.8183908045977012, 'number': 199}	{'precision': 0.3333333333333333, 'recall': 0.4, 'f1': 0.3636363636363636, 'number': 30}	{'precision': 0.8639681486396815, 'recall': 0.9752808988764045, 'f1': 0.916256157635468, 'number': 1335}	{'precision': 0.8035714285714286, 'recall': 0.8422459893048129, 'f1': 0.8224543080939948, 'number': 374}	{'precision': 0.5, 'recall': 0.5357142857142857, 'f1': 0.5172413793103449, 'number': 28}	{'precision': 0.7569444444444444, 'recall': 0.40823970037453183, 'f1': 0.5304136253041363, 'number': 267}	{'precision': 0.4444444444444444, 'recall': 0.29906542056074764, 'f1': 0.3575418994413408, 'number': 107}	{'precision': 0.2631578947368421, 'recall': 0.26666666666666666, 'f1': 0.26490066225165565, 'number': 75}	{'precision': 0.746031746031746, 'recall': 0.6266666666666667, 'f1': 0.6811594202898551, 'number': 75}	0.8185	0.8338	0.8261	0.9383
0.0177	8.0	5880	0.3673	{'precision': 0.6428571428571429, 'recall': 0.6428571428571429, 'f1': 0.6428571428571429, 'number': 14}	{'precision': 0.7796610169491526, 'recall': 0.5380116959064327, 'f1': 0.6366782006920416, 'number': 171}	{'precision': 0.9456264775413712, 'recall': 0.9569377990430622, 'f1': 0.9512485136741974, 'number': 418}	{'precision': 0.5777777777777777, 'recall': 0.7878787878787878, 'f1': 0.6666666666666666, 'number': 33}	{'precision': 0.8747390396659708, 'recall': 0.8972162740899358, 'f1': 0.8858350951374208, 'number': 467}	{'precision': 0.775, 'recall': 0.8857142857142857, 'f1': 0.8266666666666667, 'number': 35}	{'precision': 0.6578947368421053, 'recall': 0.8333333333333334, 'f1': 0.7352941176470588, 'number': 30}	{'precision': 0.38461538461538464, 'recall': 0.4166666666666667, 'f1': 0.4, 'number': 12}	{'precision': 0.673469387755102, 'recall': 0.8461538461538461, 'f1': 0.75, 'number': 39}	{'precision': 0.6136363636363636, 'recall': 0.7105263157894737, 'f1': 0.6585365853658537, 'number': 38}	{'precision': 0.959349593495935, 'recall': 0.9315789473684211, 'f1': 0.9452603471295059, 'number': 380}	{'precision': 0.8594594594594595, 'recall': 0.7989949748743719, 'f1': 0.8281249999999999, 'number': 199}	{'precision': 0.30303030303030304, 'recall': 0.3333333333333333, 'f1': 0.31746031746031744, 'number': 30}	{'precision': 0.8636968085106383, 'recall': 0.9730337078651685, 'f1': 0.9151109545614654, 'number': 1335}	{'precision': 0.8020565552699229, 'recall': 0.8342245989304813, 'f1': 0.8178243774574049, 'number': 374}	{'precision': 0.6818181818181818, 'recall': 0.5357142857142857, 'f1': 0.6, 'number': 28}	{'precision': 0.897196261682243, 'recall': 0.3595505617977528, 'f1': 0.5133689839572192, 'number': 267}	{'precision': 0.4117647058823529, 'recall': 0.3925233644859813, 'f1': 0.40191387559808617, 'number': 107}	{'precision': 0.21951219512195122, 'recall': 0.24, 'f1': 0.22929936305732485, 'number': 75}	{'precision': 0.7540983606557377, 'recall': 0.6133333333333333, 'f1': 0.676470588235294, 'number': 75}	0.8302	0.8282	0.8292	0.9389
0.0071	9.0	6615	0.3871	{'precision': 0.6, 'recall': 0.6428571428571429, 'f1': 0.6206896551724138, 'number': 14}	{'precision': 0.7727272727272727, 'recall': 0.49707602339181284, 'f1': 0.604982206405694, 'number': 171}	{'precision': 0.9262672811059908, 'recall': 0.9617224880382775, 'f1': 0.9436619718309859, 'number': 418}	{'precision': 0.5909090909090909, 'recall': 0.7878787878787878, 'f1': 0.6753246753246752, 'number': 33}	{'precision': 0.846307385229541, 'recall': 0.9079229122055674, 'f1': 0.8760330578512397, 'number': 467}	{'precision': 0.775, 'recall': 0.8857142857142857, 'f1': 0.8266666666666667, 'number': 35}	{'precision': 0.7352941176470589, 'recall': 0.8333333333333334, 'f1': 0.78125, 'number': 30}	{'precision': 0.45454545454545453, 'recall': 0.4166666666666667, 'f1': 0.43478260869565216, 'number': 12}	{'precision': 0.6153846153846154, 'recall': 0.8205128205128205, 'f1': 0.7032967032967034, 'number': 39}	{'precision': 0.627906976744186, 'recall': 0.7105263157894737, 'f1': 0.6666666666666666, 'number': 38}	{'precision': 0.9414893617021277, 'recall': 0.9315789473684211, 'f1': 0.9365079365079366, 'number': 380}	{'precision': 0.7741935483870968, 'recall': 0.8442211055276382, 'f1': 0.8076923076923078, 'number': 199}	{'precision': 0.3125, 'recall': 0.3333333333333333, 'f1': 0.3225806451612903, 'number': 30}	{'precision': 0.8553500660501981, 'recall': 0.9700374531835206, 'f1': 0.9090909090909091, 'number': 1335}	{'precision': 0.8010204081632653, 'recall': 0.839572192513369, 'f1': 0.8198433420365535, 'number': 374}	{'precision': 0.6666666666666666, 'recall': 0.5714285714285714, 'f1': 0.6153846153846153, 'number': 28}	{'precision': 0.7828947368421053, 'recall': 0.44569288389513106, 'f1': 0.568019093078759, 'number': 267}	{'precision': 0.3904109589041096, 'recall': 0.5327102803738317, 'f1': 0.4505928853754941, 'number': 107}	{'precision': 0.25675675675675674, 'recall': 0.25333333333333335, 'f1': 0.2550335570469799, 'number': 75}	{'precision': 0.6716417910447762, 'recall': 0.6, 'f1': 0.6338028169014084, 'number': 75}	0.8095	0.8391	0.8240	0.9375
0.0055	10.0	7350	0.3933	{'precision': 0.7272727272727273, 'recall': 0.5714285714285714, 'f1': 0.64, 'number': 14}	{'precision': 0.8207547169811321, 'recall': 0.5087719298245614, 'f1': 0.628158844765343, 'number': 171}	{'precision': 0.9244851258581236, 'recall': 0.9665071770334929, 'f1': 0.945029239766082, 'number': 418}	{'precision': 0.5416666666666666, 'recall': 0.7878787878787878, 'f1': 0.6419753086419753, 'number': 33}	{'precision': 0.8677685950413223, 'recall': 0.8993576017130621, 'f1': 0.8832807570977917, 'number': 467}	{'precision': 0.7948717948717948, 'recall': 0.8857142857142857, 'f1': 0.8378378378378378, 'number': 35}	{'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 30}	{'precision': 0.38461538461538464, 'recall': 0.4166666666666667, 'f1': 0.4, 'number': 12}	{'precision': 0.6274509803921569, 'recall': 0.8205128205128205, 'f1': 0.711111111111111, 'number': 39}	{'precision': 0.6, 'recall': 0.7105263157894737, 'f1': 0.6506024096385543, 'number': 38}	{'precision': 0.9619565217391305, 'recall': 0.9315789473684211, 'f1': 0.946524064171123, 'number': 380}	{'precision': 0.8038277511961722, 'recall': 0.8442211055276382, 'f1': 0.823529411764706, 'number': 199}	{'precision': 0.3333333333333333, 'recall': 0.36666666666666664, 'f1': 0.3492063492063492, 'number': 30}	{'precision': 0.8577127659574468, 'recall': 0.9662921348314607, 'f1': 0.9087706939063052, 'number': 1335}	{'precision': 0.8025974025974026, 'recall': 0.8262032085561497, 'f1': 0.8142292490118578, 'number': 374}	{'precision': 0.6521739130434783, 'recall': 0.5357142857142857, 'f1': 0.5882352941176471, 'number': 28}	{'precision': 0.8432835820895522, 'recall': 0.4232209737827715, 'f1': 0.5635910224438903, 'number': 267}	{'precision': 0.4049586776859504, 'recall': 0.45794392523364486, 'f1': 0.4298245614035088, 'number': 107}	{'precision': 0.24, 'recall': 0.24, 'f1': 0.24, 'number': 75}	{'precision': 0.7258064516129032, 'recall': 0.6, 'f1': 0.6569343065693432, 'number': 75}	0.8212	0.8326	0.8269	0.9388

Framework versions

Transformers 4.40.2
Pytorch 2.3.1+cu121
Datasets 2.19.1
Tokenizers 0.19.1

Task: Token Classification
Library: transformers
Type: bert
License: apache-2.0
Created: Jul 18, 2024
Updated: Jul 18, 2024