Downloads · 30 days
4
17% of all-time downloads
roberta-large-ner-ghtk-cs-18-label-new-data-3090-5Sep-1
Kudod/roberta-large-ner-ghtk-cs-18-label-new-data-3090-5Sep-1
roberta-large-ner-ghtk-cs-18-label-new-data-3090-5Sep-1 is a machine learning model from Kudod. Use it for the machine learning task on the model card, and read the license before you ship it in a product. The card lists the license as mit.
should probably proofread and complete it, then remove this comment. --
All-time downloads
24
Public
Parameters
559M
22.4 GB on disk
Likes
0
Public
Repo makeup
Click a slice to open those files.
.safetensors2.2 GB · 99%
At a glance
- License
- mit
- Model type
- xlm-roberta
- Access
- Public
- Created
- Sep 5, 2024
- Updated
- Sep 5, 2024
- SHA
- bc8632c6
Base models
Model card
From the Hugging Face model README
<!-- 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. -->
roberta-large-ner-ghtk-cs-18-label-new-data-3090-5Sep-1
This model is a fine-tuned version of FacebookAI/xlm-roberta-large on the None dataset. It achieves the following results on the evaluation set:
- Loss: 0.3227
- cmt: {'precision': 0.75, 'recall': 0.8571428571428571, 'f1': 0.7999999999999999, 'number': 14}
- Tk: {'precision': 0.6941176470588235, 'recall': 0.5086206896551724, 'f1': 0.5870646766169154, 'number': 116}
- A: {'precision': 0.9617224880382775, 'recall': 0.9617224880382775, 'f1': 0.9617224880382775, 'number': 418}
- Gày trừu tượng: {'precision': 0.8969957081545065, 'recall': 0.8950749464668094, 'f1': 0.8960342979635585, 'number': 467}
- Gân hàng: {'precision': 0.8571428571428571, 'recall': 0.8571428571428571, 'f1': 0.8571428571428571, 'number': 35}
- Hương thức thanh toán: {'precision': 1.0, 'recall': 0.9, 'f1': 0.9473684210526316, 'number': 30}
- Hối lượng: {'precision': 0.4, 'recall': 0.5, 'f1': 0.4444444444444445, 'number': 12}
- Iền: {'precision': 0.7777777777777778, 'recall': 0.8974358974358975, 'f1': 0.8333333333333333, 'number': 39}
- Mail: {'precision': 0.8963414634146342, 'recall': 1.0, 'f1': 0.9453376205787781, 'number': 294}
- Ã đơn: {'precision': 0.8203883495145631, 'recall': 0.8492462311557789, 'f1': 0.834567901234568, 'number': 199}
- Ên người: {'precision': 0.59375, 'recall': 0.6333333333333333, 'f1': 0.6129032258064516, 'number': 30}
- Đt: {'precision': 0.882051282051282, 'recall': 0.979498861047836, 'f1': 0.9282245008094981, 'number': 878}
- Đt trừu tượng: {'precision': 0.7950819672131147, 'recall': 0.9065420560747663, 'f1': 0.8471615720524016, 'number': 214}
- Ơn vị đo: {'precision': 0.7142857142857143, 'recall': 0.7142857142857143, 'f1': 0.7142857142857143, 'number': 28}
- Ản phẩm cụ thể: {'precision': 0.7115384615384616, 'recall': 0.5873015873015873, 'f1': 0.6434782608695652, 'number': 126}
- Ản phẩm trừu tượng: {'precision': 0.6041666666666666, 'recall': 0.7073170731707317, 'f1': 0.6516853932584269, 'number': 41}
- Ịa chỉ cụ thể: {'precision': 0.5272727272727272, 'recall': 0.38666666666666666, 'f1': 0.4461538461538462, 'number': 75}
- Ịa chỉ trừu tượng: {'precision': 0.7936507936507936, 'recall': 0.6666666666666666, 'f1': 0.7246376811594203, 'number': 75}
- Overall Precision: 0.8549
- Overall Recall: 0.8822
- Overall F1: 0.8683
- Overall Accuracy: 0.9457
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: 2.5e-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 trừu tượng | Gân hàng | Hương thức thanh toán | Hối lượng | Iền | 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 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0.1029 | 1.0 | 1833 | 0.2903 | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 14} | {'precision': 0.5693430656934306, 'recall': 0.6724137931034483, 'f1': 0.6166007905138339, 'number': 116} | {'precision': 0.9445843828715366, 'recall': 0.8971291866028708, 'f1': 0.9202453987730062, 'number': 418} | {'precision': 0.8559139784946237, 'recall': 0.8522483940042827, 'f1': 0.8540772532188842, 'number': 467} | {'precision': 0.696969696969697, 'recall': 0.6571428571428571, 'f1': 0.676470588235294, 'number': 35} | {'precision': 0.5483870967741935, 'recall': 0.5666666666666667, 'f1': 0.5573770491803278, 'number': 30} | {'precision': 0.30434782608695654, 'recall': 0.5833333333333334, 'f1': 0.4, 'number': 12} | {'precision': 0.6428571428571429, 'recall': 0.9230769230769231, 'f1': 0.7578947368421053, 'number': 39} | {'precision': 0.8010899182561307, 'recall': 1.0, 'f1': 0.8895612708018154, 'number': 294} | {'precision': 0.8231292517006803, 'recall': 0.6080402010050251, 'f1': 0.699421965317919, 'number': 199} | {'precision': 0.25, 'recall': 0.06666666666666667, 'f1': 0.10526315789473685, 'number': 30} | {'precision': 0.7642418930762489, 'recall': 0.9931662870159453, 'f1': 0.8637939574046558, 'number': 878} | {'precision': 0.7619047619047619, 'recall': 0.7476635514018691, 'f1': 0.7547169811320754, 'number': 214} | {'precision': 0.5882352941176471, 'recall': 0.35714285714285715, 'f1': 0.4444444444444445, 'number': 28} | {'precision': 0.8888888888888888, 'recall': 0.31746031746031744, 'f1': 0.4678362573099415, 'number': 126} | {'precision': 1.0, 'recall': 0.07317073170731707, 'f1': 0.13636363636363635, 'number': 41} | {'precision': 0.32142857142857145, 'recall': 0.12, 'f1': 0.17475728155339806, 'number': 75} | {'precision': 0.578125, 'recall': 0.49333333333333335, 'f1': 0.5323741007194245, 'number': 75} | 0.7825 | 0.8030 | 0.7926 | 0.9126 |
| 0.0664 | 2.0 | 3666 | 0.2485 | {'precision': 0.5384615384615384, 'recall': 0.5, 'f1': 0.5185185185185186, 'number': 14} | {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 116} | {'precision': 0.9216589861751152, 'recall': 0.9569377990430622, 'f1': 0.9389671361502346, 'number': 418} | {'precision': 0.7951582867783985, 'recall': 0.9143468950749465, 'f1': 0.850597609561753, 'number': 467} | {'precision': 0.7142857142857143, 'recall': 0.8571428571428571, 'f1': 0.7792207792207793, 'number': 35} | {'precision': 0.7096774193548387, 'recall': 0.7333333333333333, 'f1': 0.7213114754098361, 'number': 30} | {'precision': 0.36666666666666664, 'recall': 0.9166666666666666, 'f1': 0.5238095238095238, 'number': 12} | {'precision': 0.5964912280701754, 'recall': 0.8717948717948718, 'f1': 0.7083333333333334, 'number': 39} | {'precision': 0.8672566371681416, 'recall': 1.0, 'f1': 0.9289099526066351, 'number': 294} | {'precision': 0.7948717948717948, 'recall': 0.6231155778894473, 'f1': 0.6985915492957747, 'number': 199} | {'precision': 0.4827586206896552, 'recall': 0.4666666666666667, 'f1': 0.47457627118644075, 'number': 30} | {'precision': 0.7992599444958371, 'recall': 0.9840546697038725, 'f1': 0.88208269525268, 'number': 878} | {'precision': 0.9240506329113924, 'recall': 0.6822429906542056, 'f1': 0.7849462365591398, 'number': 214} | {'precision': 0.55, 'recall': 0.7857142857142857, 'f1': 0.6470588235294117, 'number': 28} | {'precision': 0.8115942028985508, 'recall': 0.4444444444444444, 'f1': 0.5743589743589743, 'number': 126} | {'precision': 0.6842105263157895, 'recall': 0.3170731707317073, 'f1': 0.43333333333333335, 'number': 41} | {'precision': 0.23333333333333334, 'recall': 0.18666666666666668, 'f1': 0.2074074074074074, 'number': 75} | {'precision': 0.6666666666666666, 'recall': 0.6133333333333333, 'f1': 0.638888888888889, 'number': 75} | 0.7977 | 0.8166 | 0.8070 | 0.9222 |
| 0.0425 | 3.0 | 5499 | 0.2149 | {'precision': 0.8888888888888888, 'recall': 0.5714285714285714, 'f1': 0.6956521739130435, 'number': 14} | {'precision': 0.6835443037974683, 'recall': 0.46551724137931033, 'f1': 0.5538461538461538, 'number': 116} | {'precision': 0.9653465346534653, 'recall': 0.9330143540669856, 'f1': 0.9489051094890512, 'number': 418} | {'precision': 0.9168591224018475, 'recall': 0.8501070663811563, 'f1': 0.882222222222222, 'number': 467} | {'precision': 0.6818181818181818, 'recall': 0.8571428571428571, 'f1': 0.759493670886076, 'number': 35} | {'precision': 0.9629629629629629, 'recall': 0.8666666666666667, 'f1': 0.912280701754386, 'number': 30} | {'precision': 0.26666666666666666, 'recall': 0.3333333333333333, 'f1': 0.2962962962962963, 'number': 12} | {'precision': 0.6851851851851852, 'recall': 0.9487179487179487, 'f1': 0.7956989247311828, 'number': 39} | {'precision': 0.875, 'recall': 1.0, 'f1': 0.9333333333333333, 'number': 294} | {'precision': 0.7316017316017316, 'recall': 0.8492462311557789, 'f1': 0.786046511627907, 'number': 199} | {'precision': 0.5, 'recall': 0.3, 'f1': 0.37499999999999994, 'number': 30} | {'precision': 0.8399228543876567, 'recall': 0.9920273348519362, 'f1': 0.9096605744125326, 'number': 878} | {'precision': 0.7886178861788617, 'recall': 0.9065420560747663, 'f1': 0.8434782608695651, 'number': 214} | {'precision': 0.7, 'recall': 0.5, 'f1': 0.5833333333333334, 'number': 28} | {'precision': 0.8513513513513513, 'recall': 0.5, 'f1': 0.63, 'number': 126} | {'precision': 0.8181818181818182, 'recall': 0.43902439024390244, 'f1': 0.5714285714285715, 'number': 41} | {'precision': 0.41304347826086957, 'recall': 0.25333333333333335, 'f1': 0.3140495867768595, 'number': 75} | {'precision': 0.7592592592592593, 'recall': 0.5466666666666666, 'f1': 0.6356589147286822, 'number': 75} | 0.8377 | 0.8534 | 0.8455 | 0.9314 |
| 0.0341 | 4.0 | 7332 | 0.2117 | {'precision': 0.5909090909090909, 'recall': 0.9285714285714286, 'f1': 0.7222222222222223, 'number': 14} | {'precision': 0.5263157894736842, 'recall': 0.3448275862068966, 'f1': 0.4166666666666667, 'number': 116} | {'precision': 0.9615384615384616, 'recall': 0.9569377990430622, 'f1': 0.9592326139088729, 'number': 418} | {'precision': 0.8698347107438017, 'recall': 0.9014989293361885, 'f1': 0.8853838065194533, 'number': 467} | {'precision': 0.7894736842105263, 'recall': 0.8571428571428571, 'f1': 0.8219178082191781, 'number': 35} | {'precision': 0.8620689655172413, 'recall': 0.8333333333333334, 'f1': 0.847457627118644, 'number': 30} | {'precision': 0.35714285714285715, 'recall': 0.4166666666666667, 'f1': 0.3846153846153846, 'number': 12} | {'precision': 0.660377358490566, 'recall': 0.8974358974358975, 'f1': 0.7608695652173912, 'number': 39} | {'precision': 0.9074074074074074, 'recall': 1.0, 'f1': 0.9514563106796117, 'number': 294} | {'precision': 0.7465437788018433, 'recall': 0.8140703517587939, 'f1': 0.7788461538461539, 'number': 199} | {'precision': 0.5357142857142857, 'recall': 0.5, 'f1': 0.5172413793103449, 'number': 30} | {'precision': 0.8483965014577259, 'recall': 0.9943052391799544, 'f1': 0.9155742003146302, 'number': 878} | {'precision': 0.805668016194332, 'recall': 0.9299065420560748, 'f1': 0.8633405639913232, 'number': 214} | {'precision': 0.75, 'recall': 0.6428571428571429, 'f1': 0.6923076923076924, 'number': 28} | {'precision': 0.7731958762886598, 'recall': 0.5952380952380952, 'f1': 0.672645739910314, 'number': 126} | {'precision': 0.7105263157894737, 'recall': 0.6585365853658537, 'f1': 0.6835443037974684, 'number': 41} | {'precision': 0.5, 'recall': 0.28, 'f1': 0.358974358974359, 'number': 75} | {'precision': 0.6086956521739131, 'recall': 0.56, 'f1': 0.5833333333333334, 'number': 75} | 0.8300 | 0.8719 | 0.8504 | 0.9375 |
| 0.0238 | 5.0 | 9165 | 0.2663 | {'precision': 0.7857142857142857, 'recall': 0.7857142857142857, 'f1': 0.7857142857142857, 'number': 14} | {'precision': 0.5228426395939086, 'recall': 0.8879310344827587, 'f1': 0.6581469648562301, 'number': 116} | {'precision': 0.9375, 'recall': 0.9688995215311005, 'f1': 0.9529411764705883, 'number': 418} | {'precision': 0.8762677484787018, 'recall': 0.9250535331905781, 'f1': 0.8999999999999999, 'number': 467} | {'precision': 0.6444444444444445, 'recall': 0.8285714285714286, 'f1': 0.7250000000000001, 'number': 35} | {'precision': 0.8275862068965517, 'recall': 0.8, 'f1': 0.8135593220338982, 'number': 30} | {'precision': 0.26666666666666666, 'recall': 0.3333333333333333, 'f1': 0.2962962962962963, 'number': 12} | {'precision': 0.6551724137931034, 'recall': 0.9743589743589743, 'f1': 0.7835051546391754, 'number': 39} | {'precision': 0.8698224852071006, 'recall': 1.0, 'f1': 0.930379746835443, 'number': 294} | {'precision': 0.8306878306878307, 'recall': 0.7889447236180904, 'f1': 0.8092783505154639, 'number': 199} | {'precision': 0.5, 'recall': 0.6333333333333333, 'f1': 0.5588235294117647, 'number': 30} | {'precision': 0.8350810295519543, 'recall': 0.9977220956719818, 'f1': 0.9091852620653866, 'number': 878} | {'precision': 0.752851711026616, 'recall': 0.9252336448598131, 'f1': 0.830188679245283, 'number': 214} | {'precision': 0.5925925925925926, 'recall': 0.5714285714285714, 'f1': 0.5818181818181818, 'number': 28} | {'precision': 0.7333333333333333, 'recall': 0.5238095238095238, 'f1': 0.611111111111111, 'number': 126} | {'precision': 0.5192307692307693, 'recall': 0.6585365853658537, 'f1': 0.5806451612903226, 'number': 41} | {'precision': 0.4067796610169492, 'recall': 0.32, 'f1': 0.3582089552238806, 'number': 75} | {'precision': 0.8135593220338984, 'recall': 0.64, 'f1': 0.7164179104477612, 'number': 75} | 0.8039 | 0.8965 | 0.8477 | 0.9338 |
| 0.0185 | 6.0 | 10998 | 0.2430 | {'precision': 0.75, 'recall': 0.21428571428571427, 'f1': 0.3333333333333333, 'number': 14} | {'precision': 0.5915492957746479, 'recall': 0.3620689655172414, 'f1': 0.4491978609625668, 'number': 116} | {'precision': 0.9572446555819477, 'recall': 0.9641148325358851, 'f1': 0.9606674612634087, 'number': 418} | {'precision': 0.8935281837160751, 'recall': 0.9164882226980728, 'f1': 0.904862579281184, 'number': 467} | {'precision': 0.8529411764705882, 'recall': 0.8285714285714286, 'f1': 0.8405797101449276, 'number': 35} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 30} | {'precision': 0.3125, 'recall': 0.4166666666666667, 'f1': 0.35714285714285715, 'number': 12} | {'precision': 0.7608695652173914, 'recall': 0.8974358974358975, 'f1': 0.8235294117647058, 'number': 39} | {'precision': 0.8776119402985074, 'recall': 1.0, 'f1': 0.9348171701112877, 'number': 294} | {'precision': 0.8449197860962567, 'recall': 0.7939698492462312, 'f1': 0.8186528497409328, 'number': 199} | {'precision': 0.6, 'recall': 0.6, 'f1': 0.6, 'number': 30} | {'precision': 0.8649453823237339, 'recall': 0.9920273348519362, 'f1': 0.9241379310344827, 'number': 878} | {'precision': 0.8526785714285714, 'recall': 0.8925233644859814, 'f1': 0.8721461187214612, 'number': 214} | {'precision': 0.7241379310344828, 'recall': 0.75, 'f1': 0.736842105263158, 'number': 28} | {'precision': 0.7087378640776699, 'recall': 0.5793650793650794, 'f1': 0.6375545851528385, 'number': 126} | {'precision': 0.7073170731707317, 'recall': 0.7073170731707317, 'f1': 0.7073170731707317, 'number': 41} | {'precision': 0.4067796610169492, 'recall': 0.32, 'f1': 0.3582089552238806, 'number': 75} | {'precision': 0.8, 'recall': 0.5866666666666667, 'f1': 0.676923076923077, 'number': 75} | 0.8506 | 0.8712 | 0.8608 | 0.9422 |
| 0.0131 | 7.0 | 12831 | 0.2612 | {'precision': 0.7857142857142857, 'recall': 0.7857142857142857, 'f1': 0.7857142857142857, 'number': 14} | {'precision': 0.5681818181818182, 'recall': 0.646551724137931, 'f1': 0.6048387096774194, 'number': 116} | {'precision': 0.9549763033175356, 'recall': 0.9641148325358851, 'f1': 0.9595238095238096, 'number': 418} | {'precision': 0.8658536585365854, 'recall': 0.9122055674518201, 'f1': 0.8884254431699686, 'number': 467} | {'precision': 0.7894736842105263, 'recall': 0.8571428571428571, 'f1': 0.8219178082191781, 'number': 35} | {'precision': 1.0, 'recall': 0.8666666666666667, 'f1': 0.9285714285714286, 'number': 30} | {'precision': 0.45454545454545453, 'recall': 0.8333333333333334, 'f1': 0.5882352941176471, 'number': 12} | {'precision': 0.72, 'recall': 0.9230769230769231, 'f1': 0.8089887640449438, 'number': 39} | {'precision': 0.8776119402985074, 'recall': 1.0, 'f1': 0.9348171701112877, 'number': 294} | {'precision': 0.8186528497409327, 'recall': 0.7939698492462312, 'f1': 0.8061224489795918, 'number': 199} | {'precision': 0.6333333333333333, 'recall': 0.6333333333333333, 'f1': 0.6333333333333333, 'number': 30} | {'precision': 0.8727272727272727, 'recall': 0.9840546697038725, 'f1': 0.9250535331905781, 'number': 878} | {'precision': 0.78125, 'recall': 0.9345794392523364, 'f1': 0.851063829787234, 'number': 214} | {'precision': 0.6060606060606061, 'recall': 0.7142857142857143, 'f1': 0.6557377049180327, 'number': 28} | {'precision': 0.7175572519083969, 'recall': 0.746031746031746, 'f1': 0.7315175097276264, 'number': 126} | {'precision': 0.6530612244897959, 'recall': 0.7804878048780488, 'f1': 0.711111111111111, 'number': 41} | {'precision': 0.42, 'recall': 0.28, 'f1': 0.3360000000000001, 'number': 75} | {'precision': 0.7222222222222222, 'recall': 0.6933333333333334, 'f1': 0.7074829931972788, 'number': 75} | 0.8309 | 0.8965 | 0.8624 | 0.9424 |
| 0.0091 | 8.0 | 14664 | 0.2935 | {'precision': 0.8666666666666667, 'recall': 0.9285714285714286, 'f1': 0.896551724137931, 'number': 14} | {'precision': 0.6590909090909091, 'recall': 0.5, 'f1': 0.5686274509803921, 'number': 116} | {'precision': 0.9530516431924883, 'recall': 0.9712918660287081, 'f1': 0.9620853080568721, 'number': 418} | {'precision': 0.9025974025974026, 'recall': 0.892933618843683, 'f1': 0.8977395048439182, 'number': 467} | {'precision': 0.8529411764705882, 'recall': 0.8285714285714286, 'f1': 0.8405797101449276, 'number': 35} | {'precision': 1.0, 'recall': 0.8333333333333334, 'f1': 0.9090909090909091, 'number': 30} | {'precision': 0.4166666666666667, 'recall': 0.4166666666666667, 'f1': 0.4166666666666667, 'number': 12} | {'precision': 0.7674418604651163, 'recall': 0.8461538461538461, 'f1': 0.8048780487804877, 'number': 39} | {'precision': 0.8724035608308606, 'recall': 1.0, 'f1': 0.9318541996830427, 'number': 294} | {'precision': 0.8325123152709359, 'recall': 0.8492462311557789, 'f1': 0.8407960199004975, 'number': 199} | {'precision': 0.6666666666666666, 'recall': 0.6, 'f1': 0.631578947368421, 'number': 30} | {'precision': 0.8869475847893115, 'recall': 0.9829157175398633, 'f1': 0.9324689357104269, 'number': 878} | {'precision': 0.8154506437768241, 'recall': 0.8878504672897196, 'f1': 0.8501118568232663, 'number': 214} | {'precision': 0.7727272727272727, 'recall': 0.6071428571428571, 'f1': 0.68, 'number': 28} | {'precision': 0.7019230769230769, 'recall': 0.5793650793650794, 'f1': 0.6347826086956522, 'number': 126} | {'precision': 0.6744186046511628, 'recall': 0.7073170731707317, 'f1': 0.6904761904761904, 'number': 41} | {'precision': 0.5185185185185185, 'recall': 0.37333333333333335, 'f1': 0.43410852713178294, 'number': 75} | {'precision': 0.8032786885245902, 'recall': 0.6533333333333333, 'f1': 0.7205882352941175, 'number': 75} | 0.8590 | 0.8787 | 0.8687 | 0.9458 |
| 0.0042 | 9.0 | 16497 | 0.3219 | {'precision': 0.8666666666666667, 'recall': 0.9285714285714286, 'f1': 0.896551724137931, 'number': 14} | {'precision': 0.6526315789473685, 'recall': 0.5344827586206896, 'f1': 0.5876777251184834, 'number': 116} | {'precision': 0.9590361445783132, 'recall': 0.9521531100478469, 'f1': 0.9555822328931572, 'number': 418} | {'precision': 0.8931623931623932, 'recall': 0.8950749464668094, 'f1': 0.8941176470588236, 'number': 467} | {'precision': 0.8333333333333334, 'recall': 0.8571428571428571, 'f1': 0.8450704225352113, 'number': 35} | {'precision': 1.0, 'recall': 0.9, 'f1': 0.9473684210526316, 'number': 30} | {'precision': 0.4375, 'recall': 0.5833333333333334, 'f1': 0.5, 'number': 12} | {'precision': 0.7777777777777778, 'recall': 0.8974358974358975, 'f1': 0.8333333333333333, 'number': 39} | {'precision': 0.875, 'recall': 1.0, 'f1': 0.9333333333333333, 'number': 294} | {'precision': 0.6472727272727272, 'recall': 0.8944723618090452, 'f1': 0.7510548523206751, 'number': 199} | {'precision': 0.6451612903225806, 'recall': 0.6666666666666666, 'f1': 0.6557377049180327, 'number': 30} | {'precision': 0.8852459016393442, 'recall': 0.9840546697038725, 'f1': 0.9320388349514562, 'number': 878} | {'precision': 0.8333333333333334, 'recall': 0.8644859813084113, 'f1': 0.8486238532110092, 'number': 214} | {'precision': 0.6666666666666666, 'recall': 0.6428571428571429, 'f1': 0.6545454545454545, 'number': 28} | {'precision': 0.7471264367816092, 'recall': 0.5158730158730159, 'f1': 0.6103286384976526, 'number': 126} | {'precision': 0.6904761904761905, 'recall': 0.7073170731707317, 'f1': 0.6987951807228916, 'number': 41} | {'precision': 0.4406779661016949, 'recall': 0.3466666666666667, 'f1': 0.3880597014925374, 'number': 75} | {'precision': 0.8032786885245902, 'recall': 0.6533333333333333, 'f1': 0.7205882352941175, 'number': 75} | 0.8407 | 0.8793 | 0.8596 | 0.9360 |
| 0.0032 | 10.0 | 18330 | 0.3227 | {'precision': 0.75, 'recall': 0.8571428571428571, 'f1': 0.7999999999999999, 'number': 14} | {'precision': 0.6941176470588235, 'recall': 0.5086206896551724, 'f1': 0.5870646766169154, 'number': 116} | {'precision': 0.9617224880382775, 'recall': 0.9617224880382775, 'f1': 0.9617224880382775, 'number': 418} | {'precision': 0.8969957081545065, 'recall': 0.8950749464668094, 'f1': 0.8960342979635585, 'number': 467} | {'precision': 0.8571428571428571, 'recall': 0.8571428571428571, 'f1': 0.8571428571428571, 'number': 35} | {'precision': 1.0, 'recall': 0.9, 'f1': 0.9473684210526316, 'number': 30} | {'precision': 0.4, 'recall': 0.5, 'f1': 0.4444444444444445, 'number': 12} | {'precision': 0.7777777777777778, 'recall': 0.8974358974358975, 'f1': 0.8333333333333333, 'number': 39} | {'precision': 0.8963414634146342, 'recall': 1.0, 'f1': 0.9453376205787781, 'number': 294} | {'precision': 0.8203883495145631, 'recall': 0.8492462311557789, 'f1': 0.834567901234568, 'number': 199} | {'precision': 0.59375, 'recall': 0.6333333333333333, 'f1': 0.6129032258064516, 'number': 30} | {'precision': 0.882051282051282, 'recall': 0.979498861047836, 'f1': 0.9282245008094981, 'number': 878} | {'precision': 0.7950819672131147, 'recall': 0.9065420560747663, 'f1': 0.8471615720524016, 'number': 214} | {'precision': 0.7142857142857143, 'recall': 0.7142857142857143, 'f1': 0.7142857142857143, 'number': 28} | {'precision': 0.7115384615384616, 'recall': 0.5873015873015873, 'f1': 0.6434782608695652, 'number': 126} | {'precision': 0.6041666666666666, 'recall': 0.7073170731707317, 'f1': 0.6516853932584269, 'number': 41} | {'precision': 0.5272727272727272, 'recall': 0.38666666666666666, 'f1': 0.4461538461538462, 'number': 75} | {'precision': 0.7936507936507936, 'recall': 0.6666666666666666, 'f1': 0.7246376811594203, 'number': 75} | 0.8549 | 0.8822 | 0.8683 | 0.9457 |
Framework versions
- Transformers 4.44.0
- Pytorch 2.3.1+cu121
- Datasets 2.19.1
- Tokenizers 0.19.1
- Type
- xlm-roberta
- License
- mit
- Created
- Sep 5, 2024
- Updated
- Sep 5, 2024