roberta-large-ner-ghtk-ai-fluent-21-label-P100-1-Oct-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: 0.2388
• Ho: {'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}
• Hoảng thời gian: {'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}
• Háng trừu tượng: {'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}
• Hông tin ctt: {'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5}
• Hụ cấp: {'precision': 0.625, 'recall': 0.5, 'f1': 0.5555555555555556, 'number': 10}
• Hứ: {'precision': 0.7, 'recall': 0.7777777777777778, 'f1': 0.7368421052631577, 'number': 9}
• Iấy tờ: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}
• Iền cụ thể: {'precision': 0.5925925925925926, 'recall': 0.5161290322580645, 'f1': 0.5517241379310345, 'number': 31}
• Iền trừu tượng: {'precision': 0.5, 'recall': 0.4, 'f1': 0.4444444444444445, 'number': 5}
• Ã số thuế: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}
• Ã đơn: {'precision': 0.5416666666666666, 'recall': 0.5909090909090909, 'f1': 0.5652173913043478, 'number': 22}
• Ình thức làm việc: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}
• Ông: {'precision': 0.8571428571428571, 'recall': 0.8888888888888888, 'f1': 0.8727272727272727, 'number': 54}
• Ương: {'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 16}
• Ị trí: {'precision': 0.6666666666666666, 'recall': 0.7272727272727273, 'f1': 0.6956521739130435, 'number': 22}
• Ố công: {'precision': 0.8764478764478765, 'recall': 0.961864406779661, 'f1': 0.9171717171717172, 'number': 236}
• Ố giờ: {'precision': 0.8624338624338624, 'recall': 0.9314285714285714, 'f1': 0.8956043956043956, 'number': 175}
• Ố điểm: {'precision': 0.7577319587628866, 'recall': 0.8855421686746988, 'f1': 0.8166666666666668, 'number': 166}
• Ố đơn: {'precision': 0.5714285714285714, 'recall': 0.9090909090909091, 'f1': 0.7017543859649122, 'number': 22}
• Ợt: {'precision': 0.375, 'recall': 0.375, 'f1': 0.375, 'number': 8}
• Ỷ lệ: {'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}
• Overall Precision: 0.7934
• Overall Recall: 0.8677
• Overall F1: 0.8289
• Overall Accuracy: 0.9523

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	Ho	Hoảng thời gian	Háng trừu tượng	Hông tin ctt	Hụ cấp	Hứ	Iấy tờ	Iền cụ thể	Iền trừu tượng	à số thuế	à đơn	Ình thức làm việc	Ông	Ương	Ị trí	Ố công	Ố giờ	Ố điểm	Ố đơn	Ợt	Ỷ lệ	Overall Precision	Overall Recall	Overall F1	Overall Accuracy
No log	1.0	147	0.3007	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.3333333333333333, 'recall': 0.2, 'f1': 0.25, 'number': 5}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.4166666666666667, 'recall': 0.4838709677419355, 'f1': 0.44776119402985076, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.5, 'recall': 0.5909090909090909, 'f1': 0.5416666666666667, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.46153846153846156, 'recall': 0.7777777777777778, 'f1': 0.5793103448275861, 'number': 54}	{'precision': 0.52, 'recall': 0.8125, 'f1': 0.6341463414634146, 'number': 16}	{'precision': 0.32142857142857145, 'recall': 0.4090909090909091, 'f1': 0.36000000000000004, 'number': 22}	{'precision': 0.7879858657243817, 'recall': 0.9449152542372882, 'f1': 0.859344894026975, 'number': 236}	{'precision': 0.7761194029850746, 'recall': 0.8914285714285715, 'f1': 0.8297872340425533, 'number': 175}	{'precision': 0.7209302325581395, 'recall': 0.7469879518072289, 'f1': 0.7337278106508875, 'number': 166}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.6882	0.7441	0.7151	0.9124
No log	2.0	294	0.2075	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.6666666666666666, 'recall': 0.3333333333333333, 'f1': 0.4444444444444444, 'number': 6}	{'precision': 0.6, 'recall': 0.6, 'f1': 0.6, 'number': 5}	{'precision': 0.5, 'recall': 0.3, 'f1': 0.37499999999999994, 'number': 10}	{'precision': 0.5454545454545454, 'recall': 0.6666666666666666, 'f1': 0.6, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.39285714285714285, 'recall': 0.3548387096774194, 'f1': 0.3728813559322034, 'number': 31}	{'precision': 0.5, 'recall': 0.2, 'f1': 0.28571428571428575, 'number': 5}	{'precision': 1.0, 'recall': 0.5, 'f1': 0.6666666666666666, 'number': 2}	{'precision': 0.5, 'recall': 0.6363636363636364, 'f1': 0.56, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.7076923076923077, 'recall': 0.8518518518518519, 'f1': 0.7731092436974791, 'number': 54}	{'precision': 0.5714285714285714, 'recall': 0.75, 'f1': 0.6486486486486486, 'number': 16}	{'precision': 0.7222222222222222, 'recall': 0.5909090909090909, 'f1': 0.65, 'number': 22}	{'precision': 0.8, 'recall': 0.9152542372881356, 'f1': 0.8537549407114624, 'number': 236}	{'precision': 0.8159203980099502, 'recall': 0.9371428571428572, 'f1': 0.8723404255319149, 'number': 175}	{'precision': 0.6889952153110048, 'recall': 0.8674698795180723, 'f1': 0.7679999999999999, 'number': 166}	{'precision': 0.5675675675675675, 'recall': 0.9545454545454546, 'f1': 0.711864406779661, 'number': 22}	{'precision': 0.3076923076923077, 'recall': 0.5, 'f1': 0.380952380952381, 'number': 8}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.7200	0.8252	0.7691	0.9323
No log	3.0	441	0.1915	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.6, 'recall': 0.6, 'f1': 0.6, 'number': 5}	{'precision': 0.5, 'recall': 0.4, 'f1': 0.4444444444444445, 'number': 10}	{'precision': 0.5454545454545454, 'recall': 0.6666666666666666, 'f1': 0.6, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5172413793103449, 'recall': 0.4838709677419355, 'f1': 0.5000000000000001, 'number': 31}	{'precision': 1.0, 'recall': 0.2, 'f1': 0.33333333333333337, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.5652173913043478, 'recall': 0.5909090909090909, 'f1': 0.5777777777777778, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.7407407407407407, 'recall': 0.7407407407407407, 'f1': 0.7407407407407407, 'number': 54}	{'precision': 0.6842105263157895, 'recall': 0.8125, 'f1': 0.742857142857143, 'number': 16}	{'precision': 0.6111111111111112, 'recall': 0.5, 'f1': 0.55, 'number': 22}	{'precision': 0.8866396761133604, 'recall': 0.9279661016949152, 'f1': 0.906832298136646, 'number': 236}	{'precision': 0.891566265060241, 'recall': 0.8457142857142858, 'f1': 0.8680351906158359, 'number': 175}	{'precision': 0.8354430379746836, 'recall': 0.7951807228915663, 'f1': 0.8148148148148148, 'number': 166}	{'precision': 0.5714285714285714, 'recall': 0.18181818181818182, 'f1': 0.27586206896551724, 'number': 22}	{'precision': 0.2727272727272727, 'recall': 0.375, 'f1': 0.3157894736842105, 'number': 8}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	0.8086	0.7753	0.7916	0.9439
0.3152	4.0	588	0.1799	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 0.25, 'recall': 0.3333333333333333, 'f1': 0.28571428571428575, 'number': 6}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.5, 'recall': 0.2, 'f1': 0.28571428571428575, 'number': 10}	{'precision': 0.7, 'recall': 0.7777777777777778, 'f1': 0.7368421052631577, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5, 'recall': 0.41935483870967744, 'f1': 0.45614035087719296, 'number': 31}	{'precision': 0.5, 'recall': 0.4, 'f1': 0.4444444444444445, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.5833333333333334, 'recall': 0.6363636363636364, 'f1': 0.6086956521739131, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.8518518518518519, 'recall': 0.8518518518518519, 'f1': 0.8518518518518519, 'number': 54}	{'precision': 0.8125, 'recall': 0.8125, 'f1': 0.8125, 'number': 16}	{'precision': 0.7272727272727273, 'recall': 0.7272727272727273, 'f1': 0.7272727272727273, 'number': 22}	{'precision': 0.8924302788844621, 'recall': 0.9491525423728814, 'f1': 0.919917864476386, 'number': 236}	{'precision': 0.8, 'recall': 0.9142857142857143, 'f1': 0.8533333333333333, 'number': 175}	{'precision': 0.7796610169491526, 'recall': 0.8313253012048193, 'f1': 0.80466472303207, 'number': 166}	{'precision': 0.6923076923076923, 'recall': 0.8181818181818182, 'f1': 0.7500000000000001, 'number': 22}	{'precision': 0.375, 'recall': 0.375, 'f1': 0.375, 'number': 8}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	0.7922	0.8377	0.8143	0.9487
0.3152	5.0	735	0.1841	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.625, 'recall': 0.5, 'f1': 0.5555555555555556, 'number': 10}	{'precision': 0.75, 'recall': 0.6666666666666666, 'f1': 0.7058823529411765, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.45, 'recall': 0.2903225806451613, 'f1': 0.3529411764705882, 'number': 31}	{'precision': 0.2, 'recall': 0.2, 'f1': 0.20000000000000004, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.625, 'recall': 0.6818181818181818, 'f1': 0.6521739130434783, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.8545454545454545, 'recall': 0.8703703703703703, 'f1': 0.8623853211009175, 'number': 54}	{'precision': 0.7222222222222222, 'recall': 0.8125, 'f1': 0.7647058823529411, 'number': 16}	{'precision': 0.8333333333333334, 'recall': 0.6818181818181818, 'f1': 0.7499999999999999, 'number': 22}	{'precision': 0.9004149377593361, 'recall': 0.9194915254237288, 'f1': 0.9098532494758911, 'number': 236}	{'precision': 0.8702702702702703, 'recall': 0.92, 'f1': 0.8944444444444446, 'number': 175}	{'precision': 0.751219512195122, 'recall': 0.927710843373494, 'f1': 0.8301886792452831, 'number': 166}	{'precision': 0.6060606060606061, 'recall': 0.9090909090909091, 'f1': 0.7272727272727273, 'number': 22}	{'precision': 0.3333333333333333, 'recall': 0.375, 'f1': 0.35294117647058826, 'number': 8}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	0.8002	0.8502	0.8245	0.9504
0.3152	6.0	882	0.1752	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	{'precision': 0.3333333333333333, 'recall': 0.3333333333333333, 'f1': 0.3333333333333333, 'number': 3}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 6}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.8571428571428571, 'recall': 0.6, 'f1': 0.7058823529411764, 'number': 10}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.4827586206896552, 'recall': 0.45161290322580644, 'f1': 0.4666666666666667, 'number': 31}	{'precision': 0.5, 'recall': 0.6, 'f1': 0.5454545454545454, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6666666666666666, 'recall': 0.7272727272727273, 'f1': 0.6956521739130435, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.8363636363636363, 'recall': 0.8518518518518519, 'f1': 0.8440366972477065, 'number': 54}	{'precision': 0.8, 'recall': 0.75, 'f1': 0.7741935483870969, 'number': 16}	{'precision': 0.7083333333333334, 'recall': 0.7727272727272727, 'f1': 0.7391304347826088, 'number': 22}	{'precision': 0.8774703557312253, 'recall': 0.940677966101695, 'f1': 0.9079754601226995, 'number': 236}	{'precision': 0.859375, 'recall': 0.9428571428571428, 'f1': 0.8991825613079019, 'number': 175}	{'precision': 0.7675675675675676, 'recall': 0.8554216867469879, 'f1': 0.8091168091168092, 'number': 166}	{'precision': 0.6060606060606061, 'recall': 0.9090909090909091, 'f1': 0.7272727272727273, 'number': 22}	{'precision': 0.375, 'recall': 0.375, 'f1': 0.375, 'number': 8}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}	0.7963	0.8589	0.8264	0.9520
0.0701	7.0	1029	0.2218	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	{'precision': 0.25, 'recall': 0.3333333333333333, 'f1': 0.28571428571428575, 'number': 3}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.5454545454545454, 'recall': 0.6, 'f1': 0.5714285714285713, 'number': 10}	{'precision': 0.7, 'recall': 0.7777777777777778, 'f1': 0.7368421052631577, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5, 'recall': 0.5806451612903226, 'f1': 0.537313432835821, 'number': 31}	{'precision': 0.5, 'recall': 0.4, 'f1': 0.4444444444444445, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6666666666666666, 'recall': 0.7272727272727273, 'f1': 0.6956521739130435, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.9215686274509803, 'recall': 0.8703703703703703, 'f1': 0.8952380952380952, 'number': 54}	{'precision': 0.8571428571428571, 'recall': 0.75, 'f1': 0.7999999999999999, 'number': 16}	{'precision': 0.5555555555555556, 'recall': 0.6818181818181818, 'f1': 0.6122448979591836, 'number': 22}	{'precision': 0.8769230769230769, 'recall': 0.9661016949152542, 'f1': 0.9193548387096773, 'number': 236}	{'precision': 0.8556149732620321, 'recall': 0.9142857142857143, 'f1': 0.8839779005524862, 'number': 175}	{'precision': 0.7412935323383084, 'recall': 0.8975903614457831, 'f1': 0.8119891008174387, 'number': 166}	{'precision': 0.5833333333333334, 'recall': 0.9545454545454546, 'f1': 0.7241379310344828, 'number': 22}	{'precision': 0.25, 'recall': 0.25, 'f1': 0.25, 'number': 8}	{'precision': 0.75, 'recall': 1.0, 'f1': 0.8571428571428571, 'number': 3}	0.7830	0.8739	0.8260	0.9489
0.0701	8.0	1176	0.2073	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 0.6666666666666666, 'recall': 0.3333333333333333, 'f1': 0.4444444444444444, 'number': 6}	{'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5}	{'precision': 0.625, 'recall': 0.5, 'f1': 0.5555555555555556, 'number': 10}	{'precision': 0.7, 'recall': 0.7777777777777778, 'f1': 0.7368421052631577, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.4827586206896552, 'recall': 0.45161290322580644, 'f1': 0.4666666666666667, 'number': 31}	{'precision': 0.6666666666666666, 'recall': 0.4, 'f1': 0.5, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6086956521739131, 'recall': 0.6363636363636364, 'f1': 0.6222222222222223, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.8363636363636363, 'recall': 0.8518518518518519, 'f1': 0.8440366972477065, 'number': 54}	{'precision': 0.7647058823529411, 'recall': 0.8125, 'f1': 0.787878787878788, 'number': 16}	{'precision': 0.6521739130434783, 'recall': 0.6818181818181818, 'f1': 0.6666666666666666, 'number': 22}	{'precision': 0.8968253968253969, 'recall': 0.9576271186440678, 'f1': 0.9262295081967213, 'number': 236}	{'precision': 0.8578947368421053, 'recall': 0.9314285714285714, 'f1': 0.8931506849315068, 'number': 175}	{'precision': 0.7894736842105263, 'recall': 0.9036144578313253, 'f1': 0.8426966292134832, 'number': 166}	{'precision': 0.5588235294117647, 'recall': 0.8636363636363636, 'f1': 0.6785714285714287, 'number': 22}	{'precision': 0.375, 'recall': 0.375, 'f1': 0.375, 'number': 8}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}	0.8009	0.8639	0.8312	0.9528
0.0701	9.0	1323	0.2350	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	{'precision': 0.3333333333333333, 'recall': 0.3333333333333333, 'f1': 0.3333333333333333, 'number': 3}	{'precision': 0.6666666666666666, 'recall': 0.3333333333333333, 'f1': 0.4444444444444444, 'number': 6}	{'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5}	{'precision': 0.625, 'recall': 0.5, 'f1': 0.5555555555555556, 'number': 10}	{'precision': 0.7, 'recall': 0.7777777777777778, 'f1': 0.7368421052631577, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.52, 'recall': 0.41935483870967744, 'f1': 0.46428571428571425, 'number': 31}	{'precision': 0.5, 'recall': 0.4, 'f1': 0.4444444444444445, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.5, 'recall': 0.5454545454545454, 'f1': 0.5217391304347826, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.875, 'recall': 0.9074074074074074, 'f1': 0.8909090909090909, 'number': 54}	{'precision': 0.7647058823529411, 'recall': 0.8125, 'f1': 0.787878787878788, 'number': 16}	{'precision': 0.7272727272727273, 'recall': 0.7272727272727273, 'f1': 0.7272727272727273, 'number': 22}	{'precision': 0.8764478764478765, 'recall': 0.961864406779661, 'f1': 0.9171717171717172, 'number': 236}	{'precision': 0.8541666666666666, 'recall': 0.9371428571428572, 'f1': 0.8937329700272479, 'number': 175}	{'precision': 0.7589743589743589, 'recall': 0.891566265060241, 'f1': 0.8199445983379501, 'number': 166}	{'precision': 0.5714285714285714, 'recall': 0.9090909090909091, 'f1': 0.7017543859649122, 'number': 22}	{'precision': 0.375, 'recall': 0.375, 'f1': 0.375, 'number': 8}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	0.7913	0.8664	0.8272	0.9512
0.0701	10.0	1470	0.2388	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5}	{'precision': 0.625, 'recall': 0.5, 'f1': 0.5555555555555556, 'number': 10}	{'precision': 0.7, 'recall': 0.7777777777777778, 'f1': 0.7368421052631577, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5925925925925926, 'recall': 0.5161290322580645, 'f1': 0.5517241379310345, 'number': 31}	{'precision': 0.5, 'recall': 0.4, 'f1': 0.4444444444444445, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.5416666666666666, 'recall': 0.5909090909090909, 'f1': 0.5652173913043478, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.8571428571428571, 'recall': 0.8888888888888888, 'f1': 0.8727272727272727, 'number': 54}	{'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 16}	{'precision': 0.6666666666666666, 'recall': 0.7272727272727273, 'f1': 0.6956521739130435, 'number': 22}	{'precision': 0.8764478764478765, 'recall': 0.961864406779661, 'f1': 0.9171717171717172, 'number': 236}	{'precision': 0.8624338624338624, 'recall': 0.9314285714285714, 'f1': 0.8956043956043956, 'number': 175}	{'precision': 0.7577319587628866, 'recall': 0.8855421686746988, 'f1': 0.8166666666666668, 'number': 166}	{'precision': 0.5714285714285714, 'recall': 0.9090909090909091, 'f1': 0.7017543859649122, 'number': 22}	{'precision': 0.375, 'recall': 0.375, 'f1': 0.375, 'number': 8}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}	0.7934	0.8677	0.8289	0.9523

Framework versions

• Transformers 4.44.2
• Pytorch 2.4.0
• Datasets 3.0.0
• Tokenizers 0.19.1