roberta-large-ner-ghtk-cs-new-data-seg-3090-29Aug-4

Kudod/roberta-large-ner-ghtk-cs-new-data-seg-3090-29Aug-4

roberta-large-ner-ghtk-cs-new-data-seg-3090-29Aug-4 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. --

Downloads · 30 days

17% of all-time downloads

All-time downloads

Public

Parameters

559M

13.4 GB on disk

Likes

Public

Hugging Face

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: Aug 29, 2024
Updated: Aug 29, 2024
SHA: 588a1b0b

Base models

FacebookAI/xlm-roberta-large

Model card

From the Hugging Face model README

roberta-large-ner-ghtk-cs-new-data-seg-3090-29Aug-4

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: 0.2849
cmt: {'precision': 0.8, 'recall': 0.6666666666666666, 'f1': 0.7272727272727272, 'number': 12}
Tk: {'precision': 0.5, 'recall': 0.11904761904761904, 'f1': 0.1923076923076923, 'number': 42}
A: {'precision': 0.9282407407407407, 'recall': 0.9502369668246445, 'f1': 0.9391100702576113, 'number': 422}
Gày: {'precision': 0.6774193548387096, 'recall': 0.875, 'f1': 0.7636363636363636, 'number': 24}
Gày trừu tượng: {'precision': 0.8969072164948454, 'recall': 0.9006211180124224, 'f1': 0.8987603305785125, 'number': 483}
Gân hàng: {'precision': 0.7894736842105263, 'recall': 0.8823529411764706, 'f1': 0.8333333333333333, 'number': 34}
Hương thức thanh toán: {'precision': 0.967741935483871, 'recall': 0.9090909090909091, 'f1': 0.9374999999999999, 'number': 33}
Hối lượng: {'precision': 0.75, 'recall': 0.46153846153846156, 'f1': 0.5714285714285714, 'number': 13}
Iền: {'precision': 0.723404255319149, 'recall': 0.8717948717948718, 'f1': 0.7906976744186047, 'number': 39}
Iờ: {'precision': 0.6363636363636364, 'recall': 0.717948717948718, 'f1': 0.674698795180723, 'number': 39}
Mail: {'precision': 0.8264462809917356, 'recall': 0.8771929824561403, 'f1': 0.8510638297872339, 'number': 114}
Ã đơn: {'precision': 0.7976190476190477, 'recall': 0.881578947368421, 'f1': 0.8375, 'number': 76}
Ên người: {'precision': 0.5333333333333333, 'recall': 0.5161290322580645, 'f1': 0.5245901639344263, 'number': 31}
Đt: {'precision': 0.7272727272727273, 'recall': 0.8080808080808081, 'f1': 0.7655502392344496, 'number': 99}
Đt trừu tượng: {'precision': 0.8204081632653061, 'recall': 0.8305785123966942, 'f1': 0.8254620123203287, 'number': 242}
Ơn vị đo: {'precision': 0.7741935483870968, 'recall': 0.8571428571428571, 'f1': 0.8135593220338982, 'number': 28}
Ản phẩm cụ thể: {'precision': 0.8076923076923077, 'recall': 0.5833333333333334, 'f1': 0.6774193548387097, 'number': 180}
Ản phẩm trừu tượng: {'precision': 0.7714285714285715, 'recall': 0.6352941176470588, 'f1': 0.6967741935483872, 'number': 85}
Ịa chỉ cụ thể: {'precision': 0.42857142857142855, 'recall': 0.3829787234042553, 'f1': 0.40449438202247195, 'number': 47}
Ịa chỉ trừu tượng: {'precision': 0.7258064516129032, 'recall': 0.5921052631578947, 'f1': 0.6521739130434783, 'number': 76}
Overall Precision: 0.8287
Overall Recall: 0.8060
Overall F1: 0.8172
Overall Accuracy: 0.9441

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	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
0.4936	1.0	735	0.2885	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 12}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 42}	{'precision': 0.8871681415929203, 'recall': 0.9502369668246445, 'f1': 0.9176201372997712, 'number': 422}	{'precision': 0.175, 'recall': 0.2916666666666667, 'f1': 0.21875, 'number': 24}	{'precision': 0.8064516129032258, 'recall': 0.8799171842650103, 'f1': 0.8415841584158414, 'number': 483}	{'precision': 0.7307692307692307, 'recall': 0.5588235294117647, 'f1': 0.6333333333333334, 'number': 34}	{'precision': 0.6571428571428571, 'recall': 0.696969696969697, 'f1': 0.676470588235294, 'number': 33}	{'precision': 0.38461538461538464, 'recall': 0.7692307692307693, 'f1': 0.5128205128205128, 'number': 13}	{'precision': 0.603448275862069, 'recall': 0.8974358974358975, 'f1': 0.7216494845360825, 'number': 39}	{'precision': 0.203125, 'recall': 0.3333333333333333, 'f1': 0.2524271844660194, 'number': 39}	{'precision': 0.7039473684210527, 'recall': 0.9385964912280702, 'f1': 0.8045112781954887, 'number': 114}	{'precision': 0.6808510638297872, 'recall': 0.8421052631578947, 'f1': 0.7529411764705882, 'number': 76}	{'precision': 0.16666666666666666, 'recall': 0.03225806451612903, 'f1': 0.05405405405405405, 'number': 31}	{'precision': 0.35555555555555557, 'recall': 0.9696969696969697, 'f1': 0.5203252032520325, 'number': 99}	{'precision': 0.6474358974358975, 'recall': 0.41735537190082644, 'f1': 0.5075376884422111, 'number': 242}	{'precision': 0.4722222222222222, 'recall': 0.6071428571428571, 'f1': 0.53125, 'number': 28}	{'precision': 0.7142857142857143, 'recall': 0.4722222222222222, 'f1': 0.5685618729096991, 'number': 180}	{'precision': 0.75, 'recall': 0.17647058823529413, 'f1': 0.2857142857142857, 'number': 85}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 47}	{'precision': 0.8113207547169812, 'recall': 0.5657894736842105, 'f1': 0.6666666666666666, 'number': 76}	0.6803	0.6899	0.6851	0.9079
0.2288	2.0	1470	0.1963	{'precision': 0.5384615384615384, 'recall': 0.5833333333333334, 'f1': 0.5599999999999999, 'number': 12}	{'precision': 0.6875, 'recall': 0.2619047619047619, 'f1': 0.37931034482758624, 'number': 42}	{'precision': 0.8787234042553191, 'recall': 0.9786729857819905, 'f1': 0.9260089686098655, 'number': 422}	{'precision': 0.32653061224489793, 'recall': 0.6666666666666666, 'f1': 0.43835616438356156, 'number': 24}	{'precision': 0.8766519823788547, 'recall': 0.8240165631469979, 'f1': 0.8495197438633938, 'number': 483}	{'precision': 0.7142857142857143, 'recall': 0.8823529411764706, 'f1': 0.7894736842105262, 'number': 34}	{'precision': 0.896551724137931, 'recall': 0.7878787878787878, 'f1': 0.8387096774193549, 'number': 33}	{'precision': 0.375, 'recall': 0.46153846153846156, 'f1': 0.41379310344827586, 'number': 13}	{'precision': 0.6976744186046512, 'recall': 0.7692307692307693, 'f1': 0.7317073170731708, 'number': 39}	{'precision': 0.46875, 'recall': 0.7692307692307693, 'f1': 0.5825242718446603, 'number': 39}	{'precision': 1.0, 'recall': 0.06140350877192982, 'f1': 0.11570247933884298, 'number': 114}	{'precision': 0.8805970149253731, 'recall': 0.7763157894736842, 'f1': 0.8251748251748251, 'number': 76}	{'precision': 0.35, 'recall': 0.22580645161290322, 'f1': 0.2745098039215686, 'number': 31}	{'precision': 0.5528455284552846, 'recall': 0.6868686868686869, 'f1': 0.6126126126126127, 'number': 99}	{'precision': 0.7892156862745098, 'recall': 0.6652892561983471, 'f1': 0.7219730941704036, 'number': 242}	{'precision': 0.5925925925925926, 'recall': 0.5714285714285714, 'f1': 0.5818181818181818, 'number': 28}	{'precision': 0.7567567567567568, 'recall': 0.4666666666666667, 'f1': 0.577319587628866, 'number': 180}	{'precision': 0.5102040816326531, 'recall': 0.8823529411764706, 'f1': 0.646551724137931, 'number': 85}	{'precision': 0.23728813559322035, 'recall': 0.2978723404255319, 'f1': 0.2641509433962264, 'number': 47}	{'precision': 0.7843137254901961, 'recall': 0.5263157894736842, 'f1': 0.6299212598425197, 'number': 76}	0.7445	0.7069	0.7252	0.9309
0.1359	3.0	2205	0.1907	{'precision': 0.6, 'recall': 0.75, 'f1': 0.6666666666666665, 'number': 12}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 42}	{'precision': 0.9262672811059908, 'recall': 0.95260663507109, 'f1': 0.939252336448598, 'number': 422}	{'precision': 0.4827586206896552, 'recall': 0.5833333333333334, 'f1': 0.5283018867924529, 'number': 24}	{'precision': 0.8042704626334519, 'recall': 0.9358178053830227, 'f1': 0.8650717703349282, 'number': 483}	{'precision': 0.7333333333333333, 'recall': 0.6470588235294118, 'f1': 0.6875, 'number': 34}	{'precision': 0.9642857142857143, 'recall': 0.8181818181818182, 'f1': 0.8852459016393442, 'number': 33}	{'precision': 0.4, 'recall': 0.15384615384615385, 'f1': 0.2222222222222222, 'number': 13}	{'precision': 0.9230769230769231, 'recall': 0.3076923076923077, 'f1': 0.4615384615384615, 'number': 39}	{'precision': 0.68, 'recall': 0.4358974358974359, 'f1': 0.53125, 'number': 39}	{'precision': 0.7314814814814815, 'recall': 0.6929824561403509, 'f1': 0.7117117117117118, 'number': 114}	{'precision': 0.8939393939393939, 'recall': 0.7763157894736842, 'f1': 0.8309859154929577, 'number': 76}	{'precision': 0.45454545454545453, 'recall': 0.3225806451612903, 'f1': 0.3773584905660377, 'number': 31}	{'precision': 0.6384615384615384, 'recall': 0.8383838383838383, 'f1': 0.7248908296943232, 'number': 99}	{'precision': 0.8156424581005587, 'recall': 0.6033057851239669, 'f1': 0.6935866983372921, 'number': 242}	{'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 28}	{'precision': 0.7719298245614035, 'recall': 0.4888888888888889, 'f1': 0.5986394557823128, 'number': 180}	{'precision': 0.7160493827160493, 'recall': 0.6823529411764706, 'f1': 0.6987951807228916, 'number': 85}	{'precision': 0.3870967741935484, 'recall': 0.2553191489361702, 'f1': 0.30769230769230765, 'number': 47}	{'precision': 0.8478260869565217, 'recall': 0.5131578947368421, 'f1': 0.639344262295082, 'number': 76}	0.7955	0.7324	0.7627	0.9309
0.1172	4.0	2940	0.2326	{'precision': 0.7, 'recall': 0.5833333333333334, 'f1': 0.6363636363636365, 'number': 12}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 42}	{'precision': 0.9372093023255814, 'recall': 0.9549763033175356, 'f1': 0.9460093896713616, 'number': 422}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 24}	{'precision': 0.913135593220339, 'recall': 0.8923395445134575, 'f1': 0.9026178010471204, 'number': 483}	{'precision': 0.6842105263157895, 'recall': 0.7647058823529411, 'f1': 0.7222222222222222, 'number': 34}	{'precision': 0.9642857142857143, 'recall': 0.8181818181818182, 'f1': 0.8852459016393442, 'number': 33}	{'precision': 0.25, 'recall': 0.07692307692307693, 'f1': 0.11764705882352941, 'number': 13}	{'precision': 0.6739130434782609, 'recall': 0.7948717948717948, 'f1': 0.7294117647058824, 'number': 39}	{'precision': 0.6216216216216216, 'recall': 0.5897435897435898, 'f1': 0.6052631578947368, 'number': 39}	{'precision': 0.7727272727272727, 'recall': 0.5964912280701754, 'f1': 0.6732673267326733, 'number': 114}	{'precision': 0.8450704225352113, 'recall': 0.7894736842105263, 'f1': 0.8163265306122449, 'number': 76}	{'precision': 0.5, 'recall': 0.3548387096774194, 'f1': 0.41509433962264153, 'number': 31}	{'precision': 0.6808510638297872, 'recall': 0.6464646464646465, 'f1': 0.6632124352331606, 'number': 99}	{'precision': 0.722972972972973, 'recall': 0.8842975206611571, 'f1': 0.7955390334572491, 'number': 242}	{'precision': 0.7352941176470589, 'recall': 0.8928571428571429, 'f1': 0.806451612903226, 'number': 28}	{'precision': 0.8240740740740741, 'recall': 0.49444444444444446, 'f1': 0.6180555555555557, 'number': 180}	{'precision': 0.7402597402597403, 'recall': 0.6705882352941176, 'f1': 0.7037037037037037, 'number': 85}	{'precision': 0.3888888888888889, 'recall': 0.14893617021276595, 'f1': 0.21538461538461537, 'number': 47}	{'precision': 0.7894736842105263, 'recall': 0.5921052631578947, 'f1': 0.6766917293233082, 'number': 76}	0.8186	0.7537	0.7848	0.9315
0.0748	5.0	3675	0.2340	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 12}	{'precision': 0.6875, 'recall': 0.2619047619047619, 'f1': 0.37931034482758624, 'number': 42}	{'precision': 0.9295454545454546, 'recall': 0.9691943127962085, 'f1': 0.9489559164733179, 'number': 422}	{'precision': 0.5945945945945946, 'recall': 0.9166666666666666, 'f1': 0.7213114754098361, 'number': 24}	{'precision': 0.8856548856548857, 'recall': 0.8819875776397516, 'f1': 0.8838174273858922, 'number': 483}	{'precision': 0.7837837837837838, 'recall': 0.8529411764705882, 'f1': 0.8169014084507041, 'number': 34}	{'precision': 0.9333333333333333, 'recall': 0.8484848484848485, 'f1': 0.888888888888889, 'number': 33}	{'precision': 0.4666666666666667, 'recall': 0.5384615384615384, 'f1': 0.5, 'number': 13}	{'precision': 0.68, 'recall': 0.8717948717948718, 'f1': 0.7640449438202247, 'number': 39}	{'precision': 0.6923076923076923, 'recall': 0.9230769230769231, 'f1': 0.7912087912087913, 'number': 39}	{'precision': 0.967741935483871, 'recall': 0.5263157894736842, 'f1': 0.6818181818181819, 'number': 114}	{'precision': 0.810126582278481, 'recall': 0.8421052631578947, 'f1': 0.8258064516129032, 'number': 76}	{'precision': 0.4642857142857143, 'recall': 0.41935483870967744, 'f1': 0.44067796610169496, 'number': 31}	{'precision': 0.6614173228346457, 'recall': 0.8484848484848485, 'f1': 0.7433628318584071, 'number': 99}	{'precision': 0.7677902621722846, 'recall': 0.8471074380165289, 'f1': 0.8055009823182709, 'number': 242}	{'precision': 0.7647058823529411, 'recall': 0.9285714285714286, 'f1': 0.8387096774193549, 'number': 28}	{'precision': 0.7923076923076923, 'recall': 0.5722222222222222, 'f1': 0.664516129032258, 'number': 180}	{'precision': 0.8113207547169812, 'recall': 0.5058823529411764, 'f1': 0.6231884057971014, 'number': 85}	{'precision': 0.2727272727272727, 'recall': 0.19148936170212766, 'f1': 0.22499999999999998, 'number': 47}	{'precision': 0.7777777777777778, 'recall': 0.5526315789473685, 'f1': 0.6461538461538462, 'number': 76}	0.8140	0.7848	0.7991	0.9393
0.0628	6.0	4410	0.2793	{'precision': 0.6923076923076923, 'recall': 0.75, 'f1': 0.7199999999999999, 'number': 12}	{'precision': 0.7619047619047619, 'recall': 0.38095238095238093, 'f1': 0.5079365079365079, 'number': 42}	{'precision': 0.95260663507109, 'recall': 0.95260663507109, 'f1': 0.95260663507109, 'number': 422}	{'precision': 0.6666666666666666, 'recall': 0.8333333333333334, 'f1': 0.7407407407407408, 'number': 24}	{'precision': 0.8969072164948454, 'recall': 0.9006211180124224, 'f1': 0.8987603305785125, 'number': 483}	{'precision': 0.7692307692307693, 'recall': 0.8823529411764706, 'f1': 0.8219178082191781, 'number': 34}	{'precision': 0.9354838709677419, 'recall': 0.8787878787878788, 'f1': 0.90625, 'number': 33}	{'precision': 0.6666666666666666, 'recall': 0.46153846153846156, 'f1': 0.5454545454545455, 'number': 13}	{'precision': 0.68, 'recall': 0.8717948717948718, 'f1': 0.7640449438202247, 'number': 39}	{'precision': 0.6730769230769231, 'recall': 0.8974358974358975, 'f1': 0.7692307692307692, 'number': 39}	{'precision': 1.0, 'recall': 0.4649122807017544, 'f1': 0.6347305389221557, 'number': 114}	{'precision': 0.8378378378378378, 'recall': 0.8157894736842105, 'f1': 0.8266666666666665, 'number': 76}	{'precision': 0.56, 'recall': 0.45161290322580644, 'f1': 0.5, 'number': 31}	{'precision': 0.6614173228346457, 'recall': 0.8484848484848485, 'f1': 0.7433628318584071, 'number': 99}	{'precision': 0.782608695652174, 'recall': 0.8181818181818182, 'f1': 0.8, 'number': 242}	{'precision': 0.9230769230769231, 'recall': 0.8571428571428571, 'f1': 0.888888888888889, 'number': 28}	{'precision': 0.8333333333333334, 'recall': 0.5, 'f1': 0.625, 'number': 180}	{'precision': 0.7090909090909091, 'recall': 0.4588235294117647, 'f1': 0.557142857142857, 'number': 85}	{'precision': 0.48148148148148145, 'recall': 0.2765957446808511, 'f1': 0.35135135135135137, 'number': 47}	{'precision': 0.7868852459016393, 'recall': 0.631578947368421, 'f1': 0.7007299270072993, 'number': 76}	0.8368	0.7744	0.8044	0.9381
0.0369	7.0	5145	0.2523	{'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 12}	{'precision': 0.5681818181818182, 'recall': 0.5952380952380952, 'f1': 0.5813953488372093, 'number': 42}	{'precision': 0.9655172413793104, 'recall': 0.9289099526066351, 'f1': 0.9468599033816426, 'number': 422}	{'precision': 0.6774193548387096, 'recall': 0.875, 'f1': 0.7636363636363636, 'number': 24}	{'precision': 0.9088983050847458, 'recall': 0.8881987577639752, 'f1': 0.8984293193717279, 'number': 483}	{'precision': 0.8055555555555556, 'recall': 0.8529411764705882, 'f1': 0.8285714285714286, 'number': 34}	{'precision': 1.0, 'recall': 0.8787878787878788, 'f1': 0.9354838709677419, 'number': 33}	{'precision': 0.7, 'recall': 0.5384615384615384, 'f1': 0.608695652173913, 'number': 13}	{'precision': 0.7291666666666666, 'recall': 0.8974358974358975, 'f1': 0.8045977011494253, 'number': 39}	{'precision': 0.6666666666666666, 'recall': 0.7692307692307693, 'f1': 0.7142857142857142, 'number': 39}	{'precision': 0.8850574712643678, 'recall': 0.6754385964912281, 'f1': 0.7661691542288558, 'number': 114}	{'precision': 0.7951807228915663, 'recall': 0.868421052631579, 'f1': 0.8301886792452832, 'number': 76}	{'precision': 0.5, 'recall': 0.5806451612903226, 'f1': 0.537313432835821, 'number': 31}	{'precision': 0.6771653543307087, 'recall': 0.8686868686868687, 'f1': 0.7610619469026549, 'number': 99}	{'precision': 0.8325991189427313, 'recall': 0.78099173553719, 'f1': 0.8059701492537313, 'number': 242}	{'precision': 0.7222222222222222, 'recall': 0.9285714285714286, 'f1': 0.8125000000000001, 'number': 28}	{'precision': 0.7615384615384615, 'recall': 0.55, 'f1': 0.6387096774193549, 'number': 180}	{'precision': 0.7023809523809523, 'recall': 0.6941176470588235, 'f1': 0.6982248520710058, 'number': 85}	{'precision': 0.4523809523809524, 'recall': 0.40425531914893614, 'f1': 0.4269662921348315, 'number': 47}	{'precision': 0.6818181818181818, 'recall': 0.5921052631578947, 'f1': 0.6338028169014085, 'number': 76}	0.8240	0.7975	0.8106	0.9421
0.0281	8.0	5880	0.2609	{'precision': 0.875, 'recall': 0.5833333333333334, 'f1': 0.7000000000000001, 'number': 12}	{'precision': 0.5, 'recall': 0.23809523809523808, 'f1': 0.3225806451612903, 'number': 42}	{'precision': 0.9481132075471698, 'recall': 0.95260663507109, 'f1': 0.950354609929078, 'number': 422}	{'precision': 0.7, 'recall': 0.875, 'f1': 0.7777777777777777, 'number': 24}	{'precision': 0.875751503006012, 'recall': 0.9047619047619048, 'f1': 0.8900203665987779, 'number': 483}	{'precision': 0.7837837837837838, 'recall': 0.8529411764705882, 'f1': 0.8169014084507041, 'number': 34}	{'precision': 0.9375, 'recall': 0.9090909090909091, 'f1': 0.923076923076923, 'number': 33}	{'precision': 0.625, 'recall': 0.38461538461538464, 'f1': 0.4761904761904762, 'number': 13}	{'precision': 0.66, 'recall': 0.8461538461538461, 'f1': 0.7415730337078651, 'number': 39}	{'precision': 0.62, 'recall': 0.7948717948717948, 'f1': 0.6966292134831461, 'number': 39}	{'precision': 0.8157894736842105, 'recall': 0.8157894736842105, 'f1': 0.8157894736842104, 'number': 114}	{'precision': 0.8048780487804879, 'recall': 0.868421052631579, 'f1': 0.8354430379746836, 'number': 76}	{'precision': 0.5882352941176471, 'recall': 0.6451612903225806, 'f1': 0.6153846153846154, 'number': 31}	{'precision': 0.6942148760330579, 'recall': 0.8484848484848485, 'f1': 0.7636363636363637, 'number': 99}	{'precision': 0.7554744525547445, 'recall': 0.8553719008264463, 'f1': 0.8023255813953488, 'number': 242}	{'precision': 0.8275862068965517, 'recall': 0.8571428571428571, 'f1': 0.8421052631578947, 'number': 28}	{'precision': 0.7214285714285714, 'recall': 0.5611111111111111, 'f1': 0.63125, 'number': 180}	{'precision': 0.7333333333333333, 'recall': 0.6470588235294118, 'f1': 0.6875, 'number': 85}	{'precision': 0.475, 'recall': 0.40425531914893614, 'f1': 0.4367816091954023, 'number': 47}	{'precision': 0.71875, 'recall': 0.6052631578947368, 'f1': 0.6571428571428571, 'number': 76}	0.8071	0.8117	0.8094	0.9420
0.0189	9.0	6615	0.2696	{'precision': 0.8, 'recall': 0.6666666666666666, 'f1': 0.7272727272727272, 'number': 12}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 42}	{'precision': 0.9369158878504673, 'recall': 0.9502369668246445, 'f1': 0.9435294117647058, 'number': 422}	{'precision': 0.6774193548387096, 'recall': 0.875, 'f1': 0.7636363636363636, 'number': 24}	{'precision': 0.8916666666666667, 'recall': 0.8861283643892339, 'f1': 0.8888888888888888, 'number': 483}	{'precision': 0.8055555555555556, 'recall': 0.8529411764705882, 'f1': 0.8285714285714286, 'number': 34}	{'precision': 1.0, 'recall': 0.9090909090909091, 'f1': 0.9523809523809523, 'number': 33}	{'precision': 0.625, 'recall': 0.38461538461538464, 'f1': 0.4761904761904762, 'number': 13}	{'precision': 0.7446808510638298, 'recall': 0.8974358974358975, 'f1': 0.813953488372093, 'number': 39}	{'precision': 0.6444444444444445, 'recall': 0.7435897435897436, 'f1': 0.6904761904761906, 'number': 39}	{'precision': 0.8376068376068376, 'recall': 0.8596491228070176, 'f1': 0.8484848484848484, 'number': 114}	{'precision': 0.8354430379746836, 'recall': 0.868421052631579, 'f1': 0.8516129032258065, 'number': 76}	{'precision': 0.5666666666666667, 'recall': 0.5483870967741935, 'f1': 0.5573770491803278, 'number': 31}	{'precision': 0.6956521739130435, 'recall': 0.8080808080808081, 'f1': 0.7476635514018692, 'number': 99}	{'precision': 0.8189300411522634, 'recall': 0.8223140495867769, 'f1': 0.820618556701031, 'number': 242}	{'precision': 0.7741935483870968, 'recall': 0.8571428571428571, 'f1': 0.8135593220338982, 'number': 28}	{'precision': 0.8046875, 'recall': 0.5722222222222222, 'f1': 0.6688311688311688, 'number': 180}	{'precision': 0.8387096774193549, 'recall': 0.611764705882353, 'f1': 0.7074829931972789, 'number': 85}	{'precision': 0.4318181818181818, 'recall': 0.40425531914893614, 'f1': 0.41758241758241754, 'number': 47}	{'precision': 0.7377049180327869, 'recall': 0.5921052631578947, 'f1': 0.656934306569343, 'number': 76}	0.8320	0.7971	0.8142	0.9446
0.0138	10.0	7350	0.2849	{'precision': 0.8, 'recall': 0.6666666666666666, 'f1': 0.7272727272727272, 'number': 12}	{'precision': 0.5, 'recall': 0.11904761904761904, 'f1': 0.1923076923076923, 'number': 42}	{'precision': 0.9282407407407407, 'recall': 0.9502369668246445, 'f1': 0.9391100702576113, 'number': 422}	{'precision': 0.6774193548387096, 'recall': 0.875, 'f1': 0.7636363636363636, 'number': 24}	{'precision': 0.8969072164948454, 'recall': 0.9006211180124224, 'f1': 0.8987603305785125, 'number': 483}	{'precision': 0.7894736842105263, 'recall': 0.8823529411764706, 'f1': 0.8333333333333333, 'number': 34}	{'precision': 0.967741935483871, 'recall': 0.9090909090909091, 'f1': 0.9374999999999999, 'number': 33}	{'precision': 0.75, 'recall': 0.46153846153846156, 'f1': 0.5714285714285714, 'number': 13}	{'precision': 0.723404255319149, 'recall': 0.8717948717948718, 'f1': 0.7906976744186047, 'number': 39}	{'precision': 0.6363636363636364, 'recall': 0.717948717948718, 'f1': 0.674698795180723, 'number': 39}	{'precision': 0.8264462809917356, 'recall': 0.8771929824561403, 'f1': 0.8510638297872339, 'number': 114}	{'precision': 0.7976190476190477, 'recall': 0.881578947368421, 'f1': 0.8375, 'number': 76}	{'precision': 0.5333333333333333, 'recall': 0.5161290322580645, 'f1': 0.5245901639344263, 'number': 31}	{'precision': 0.7272727272727273, 'recall': 0.8080808080808081, 'f1': 0.7655502392344496, 'number': 99}	{'precision': 0.8204081632653061, 'recall': 0.8305785123966942, 'f1': 0.8254620123203287, 'number': 242}	{'precision': 0.7741935483870968, 'recall': 0.8571428571428571, 'f1': 0.8135593220338982, 'number': 28}	{'precision': 0.8076923076923077, 'recall': 0.5833333333333334, 'f1': 0.6774193548387097, 'number': 180}	{'precision': 0.7714285714285715, 'recall': 0.6352941176470588, 'f1': 0.6967741935483872, 'number': 85}	{'precision': 0.42857142857142855, 'recall': 0.3829787234042553, 'f1': 0.40449438202247195, 'number': 47}	{'precision': 0.7258064516129032, 'recall': 0.5921052631578947, 'f1': 0.6521739130434783, 'number': 76}	0.8287	0.8060	0.8172	0.9441

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: Aug 29, 2024
Updated: Aug 29, 2024