metadata

license: mit
base_model: FacebookAI/xlm-roberta-large
tags:
  - generated_from_trainer
model-index:
  - name: roberta-large-finetuned-ner-ghtk-cs-3090-18July-2
    results: []

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

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: 0.3840
cmt: {'precision': 0.8, 'recall': 0.5714285714285714, 'f1': 0.6666666666666666, 'number': 14}
Tk: {'precision': 0.7843137254901961, 'recall': 0.6896551724137931, 'f1': 0.7339449541284404, 'number': 116}
A: {'precision': 0.9592326139088729, 'recall': 0.9569377990430622, 'f1': 0.9580838323353293, 'number': 418}
Gày: {'precision': 0.625, 'recall': 0.7575757575757576, 'f1': 0.6849315068493151, 'number': 33}
Gày trừu tượng: {'precision': 0.892933618843683, 'recall': 0.892933618843683, 'f1': 0.892933618843683, 'number': 467}
Gân hàng: {'precision': 0.8571428571428571, 'recall': 0.8571428571428571, 'f1': 0.8571428571428571, 'number': 35}
Hương thức thanh toán: {'precision': 0.9629629629629629, 'recall': 0.8666666666666667, 'f1': 0.912280701754386, 'number': 30}
Hối lượng: {'precision': 0.6363636363636364, 'recall': 0.5833333333333334, 'f1': 0.6086956521739131, 'number': 12}
Iền: {'precision': 0.6976744186046512, 'recall': 0.7692307692307693, 'f1': 0.7317073170731708, 'number': 39}
Iờ: {'precision': 0.6744186046511628, 'recall': 0.7631578947368421, 'f1': 0.7160493827160495, 'number': 38}
Mail: {'precision': 1.0, 'recall': 0.95578231292517, 'f1': 0.9773913043478261, 'number': 294}
Ã đơn: {'precision': 0.7652173913043478, 'recall': 0.8844221105527639, 'f1': 0.8205128205128205, 'number': 199}
Ên người: {'precision': 0.6388888888888888, 'recall': 0.7666666666666667, 'f1': 0.696969696969697, 'number': 30}
Đt: {'precision': 0.8828365878725591, 'recall': 0.9783599088838268, 'f1': 0.9281469475958942, 'number': 878}
Đt trừu tượng: {'precision': 0.8007968127490039, 'recall': 0.9392523364485982, 'f1': 0.864516129032258, 'number': 214}
Ơn vị đo: {'precision': 0.68, 'recall': 0.6071428571428571, 'f1': 0.6415094339622641, 'number': 28}
Ản phẩm cụ thể: {'precision': 0.8387096774193549, 'recall': 0.6190476190476191, 'f1': 0.7123287671232876, 'number': 126}
Ản phẩm trừu tượng: {'precision': 0.75, 'recall': 0.5853658536585366, 'f1': 0.6575342465753423, 'number': 41}
Ịa chỉ cụ thể: {'precision': 0.4411764705882353, 'recall': 0.4, 'f1': 0.4195804195804196, 'number': 75}
Ịa chỉ trừu tượng: {'precision': 0.8253968253968254, 'recall': 0.6933333333333334, 'f1': 0.7536231884057971, 'number': 75}
Overall Precision: 0.8602
Overall Recall: 0.8833
Overall F1: 0.8716
Overall Accuracy: 0.9425

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: 4
eval_batch_size: 4
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
0.2832	1.0	1470	0.3054	{'precision': 0.36, 'recall': 0.6428571428571429, 'f1': 0.4615384615384615, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 116}	{'precision': 0.9734748010610079, 'recall': 0.8779904306220095, 'f1': 0.9232704402515723, 'number': 418}	{'precision': 0.5102040816326531, 'recall': 0.7575757575757576, 'f1': 0.6097560975609756, 'number': 33}	{'precision': 0.8747203579418344, 'recall': 0.8372591006423983, 'f1': 0.8555798687089715, 'number': 467}	{'precision': 0.6363636363636364, 'recall': 0.4, 'f1': 0.4912280701754386, 'number': 35}	{'precision': 0.8846153846153846, 'recall': 0.7666666666666667, 'f1': 0.8214285714285715, 'number': 30}	{'precision': 0.36363636363636365, 'recall': 0.6666666666666666, 'f1': 0.4705882352941177, 'number': 12}	{'precision': 0.6491228070175439, 'recall': 0.9487179487179487, 'f1': 0.7708333333333334, 'number': 39}	{'precision': 0.5901639344262295, 'recall': 0.9473684210526315, 'f1': 0.7272727272727273, 'number': 38}	{'precision': 0.875, 'recall': 1.0, 'f1': 0.9333333333333333, 'number': 294}	{'precision': 0.7944444444444444, 'recall': 0.7185929648241206, 'f1': 0.7546174142480211, 'number': 199}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 30}	{'precision': 0.8024231127679403, 'recall': 0.9806378132118451, 'f1': 0.8826242952332137, 'number': 878}	{'precision': 0.971830985915493, 'recall': 0.6448598130841121, 'f1': 0.7752808988764045, 'number': 214}	{'precision': 0.75, 'recall': 0.42857142857142855, 'f1': 0.5454545454545454, 'number': 28}	{'precision': 0.8055555555555556, 'recall': 0.4603174603174603, 'f1': 0.5858585858585859, 'number': 126}	{'precision': 0.4626865671641791, 'recall': 0.7560975609756098, 'f1': 0.5740740740740741, 'number': 41}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 75}	{'precision': 0.8936170212765957, 'recall': 0.56, 'f1': 0.6885245901639345, 'number': 75}	0.8212	0.7872	0.8038	0.9108
0.1835	2.0	2940	0.2843	{'precision': 0.43478260869565216, 'recall': 0.7142857142857143, 'f1': 0.5405405405405405, 'number': 14}	{'precision': 0.6619718309859155, 'recall': 0.4051724137931034, 'f1': 0.5026737967914439, 'number': 116}	{'precision': 0.9251700680272109, 'recall': 0.9760765550239234, 'f1': 0.9499417927823051, 'number': 418}	{'precision': 0.65, 'recall': 0.3939393939393939, 'f1': 0.490566037735849, 'number': 33}	{'precision': 0.946969696969697, 'recall': 0.8029978586723768, 'f1': 0.8690614136732329, 'number': 467}	{'precision': 0.78125, 'recall': 0.7142857142857143, 'f1': 0.7462686567164178, 'number': 35}	{'precision': 0.7692307692307693, 'recall': 0.6666666666666666, 'f1': 0.7142857142857142, 'number': 30}	{'precision': 0.45454545454545453, 'recall': 0.4166666666666667, 'f1': 0.43478260869565216, 'number': 12}	{'precision': 0.6428571428571429, 'recall': 0.23076923076923078, 'f1': 0.339622641509434, 'number': 39}	{'precision': 0.546875, 'recall': 0.9210526315789473, 'f1': 0.6862745098039216, 'number': 38}	{'precision': 0.9793388429752066, 'recall': 0.8061224489795918, 'f1': 0.8843283582089553, 'number': 294}	{'precision': 0.5608308605341247, 'recall': 0.949748743718593, 'f1': 0.7052238805970149, 'number': 199}	{'precision': 0.5294117647058824, 'recall': 0.3, 'f1': 0.3829787234042553, 'number': 30}	{'precision': 0.8105560791705938, 'recall': 0.979498861047836, 'f1': 0.8870551830840641, 'number': 878}	{'precision': 0.8870967741935484, 'recall': 0.7710280373831776, 'f1': 0.8250000000000001, 'number': 214}	{'precision': 0.8571428571428571, 'recall': 0.21428571428571427, 'f1': 0.34285714285714286, 'number': 28}	{'precision': 0.8026315789473685, 'recall': 0.48412698412698413, 'f1': 0.6039603960396039, 'number': 126}	{'precision': 0.6, 'recall': 0.21951219512195122, 'f1': 0.32142857142857145, 'number': 41}	{'precision': 0.34, 'recall': 0.22666666666666666, 'f1': 0.272, 'number': 75}	{'precision': 0.9333333333333333, 'recall': 0.56, 'f1': 0.7000000000000001, 'number': 75}	0.8111	0.8039	0.8075	0.9094
0.1374	3.0	4410	0.2494	{'precision': 0.9090909090909091, 'recall': 0.7142857142857143, 'f1': 0.8, 'number': 14}	{'precision': 0.6419753086419753, 'recall': 0.4482758620689655, 'f1': 0.5279187817258884, 'number': 116}	{'precision': 0.9590361445783132, 'recall': 0.9521531100478469, 'f1': 0.9555822328931572, 'number': 418}	{'precision': 0.7, 'recall': 0.6363636363636364, 'f1': 0.6666666666666666, 'number': 33}	{'precision': 0.8511066398390342, 'recall': 0.9057815845824411, 'f1': 0.8775933609958507, 'number': 467}	{'precision': 0.8076923076923077, 'recall': 0.6, 'f1': 0.6885245901639345, 'number': 35}	{'precision': 1.0, 'recall': 0.8, 'f1': 0.888888888888889, 'number': 30}	{'precision': 0.6, 'recall': 0.25, 'f1': 0.35294117647058826, 'number': 12}	{'precision': 0.6578947368421053, 'recall': 0.6410256410256411, 'f1': 0.6493506493506495, 'number': 39}	{'precision': 0.7058823529411765, 'recall': 0.3157894736842105, 'f1': 0.43636363636363634, 'number': 38}	{'precision': 0.8987341772151899, 'recall': 0.9659863945578231, 'f1': 0.9311475409836065, 'number': 294}	{'precision': 0.7533632286995515, 'recall': 0.8442211055276382, 'f1': 0.7962085308056871, 'number': 199}	{'precision': 0.6, 'recall': 0.2, 'f1': 0.3, 'number': 30}	{'precision': 0.8623115577889447, 'recall': 0.9772209567198178, 'f1': 0.9161772557394555, 'number': 878}	{'precision': 0.8924731182795699, 'recall': 0.7757009345794392, 'f1': 0.83, 'number': 214}	{'precision': 0.5555555555555556, 'recall': 0.17857142857142858, 'f1': 0.2702702702702703, 'number': 28}	{'precision': 0.8674698795180723, 'recall': 0.5714285714285714, 'f1': 0.6889952153110048, 'number': 126}	{'precision': 0.7222222222222222, 'recall': 0.6341463414634146, 'f1': 0.6753246753246753, 'number': 41}	{'precision': 0.3170731707317073, 'recall': 0.17333333333333334, 'f1': 0.22413793103448276, 'number': 75}	{'precision': 0.8367346938775511, 'recall': 0.5466666666666666, 'f1': 0.6612903225806451, 'number': 75}	0.8499	0.8311	0.8404	0.9280
0.1037	4.0	5880	0.2582	{'precision': 0.6153846153846154, 'recall': 0.5714285714285714, 'f1': 0.5925925925925927, 'number': 14}	{'precision': 0.6567164179104478, 'recall': 0.3793103448275862, 'f1': 0.4808743169398907, 'number': 116}	{'precision': 0.9650872817955112, 'recall': 0.9258373205741627, 'f1': 0.9450549450549451, 'number': 418}	{'precision': 0.6764705882352942, 'recall': 0.696969696969697, 'f1': 0.6865671641791046, 'number': 33}	{'precision': 0.9164835164835164, 'recall': 0.892933618843683, 'f1': 0.9045553145336226, 'number': 467}	{'precision': 0.9166666666666666, 'recall': 0.6285714285714286, 'f1': 0.7457627118644068, 'number': 35}	{'precision': 0.8695652173913043, 'recall': 0.6666666666666666, 'f1': 0.7547169811320754, 'number': 30}	{'precision': 0.625, 'recall': 0.4166666666666667, 'f1': 0.5, 'number': 12}	{'precision': 0.673469387755102, 'recall': 0.8461538461538461, 'f1': 0.75, 'number': 39}	{'precision': 0.5609756097560976, 'recall': 0.6052631578947368, 'f1': 0.5822784810126583, 'number': 38}	{'precision': 0.9620689655172414, 'recall': 0.9489795918367347, 'f1': 0.9554794520547946, 'number': 294}	{'precision': 0.7830188679245284, 'recall': 0.8341708542713567, 'f1': 0.8077858880778588, 'number': 199}	{'precision': 0.55, 'recall': 0.36666666666666664, 'f1': 0.43999999999999995, 'number': 30}	{'precision': 0.8888888888888888, 'recall': 0.9567198177676538, 'f1': 0.9215578716401536, 'number': 878}	{'precision': 0.8428571428571429, 'recall': 0.8271028037383178, 'f1': 0.8349056603773585, 'number': 214}	{'precision': 0.631578947368421, 'recall': 0.42857142857142855, 'f1': 0.5106382978723404, 'number': 28}	{'precision': 0.875, 'recall': 0.3888888888888889, 'f1': 0.5384615384615385, 'number': 126}	{'precision': 0.7333333333333333, 'recall': 0.5365853658536586, 'f1': 0.6197183098591549, 'number': 41}	{'precision': 0.3076923076923077, 'recall': 0.21333333333333335, 'f1': 0.2519685039370079, 'number': 75}	{'precision': 0.8070175438596491, 'recall': 0.6133333333333333, 'f1': 0.696969696969697, 'number': 75}	0.8649	0.8223	0.8431	0.9338
0.0835	5.0	7350	0.2844	{'precision': 0.6, 'recall': 0.8571428571428571, 'f1': 0.7058823529411764, 'number': 14}	{'precision': 0.6178861788617886, 'recall': 0.6551724137931034, 'f1': 0.6359832635983264, 'number': 116}	{'precision': 0.9514563106796117, 'recall': 0.937799043062201, 'f1': 0.9445783132530121, 'number': 418}	{'precision': 0.6590909090909091, 'recall': 0.8787878787878788, 'f1': 0.7532467532467532, 'number': 33}	{'precision': 0.8983050847457628, 'recall': 0.9079229122055674, 'f1': 0.9030883919062833, 'number': 467}	{'precision': 0.8, 'recall': 0.9142857142857143, 'f1': 0.8533333333333333, 'number': 35}	{'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 30}	{'precision': 0.4, 'recall': 0.5, 'f1': 0.4444444444444445, 'number': 12}	{'precision': 0.7045454545454546, 'recall': 0.7948717948717948, 'f1': 0.746987951807229, 'number': 39}	{'precision': 0.5789473684210527, 'recall': 0.868421052631579, 'f1': 0.6947368421052632, 'number': 38}	{'precision': 0.9562289562289562, 'recall': 0.9659863945578231, 'f1': 0.9610829103214891, 'number': 294}	{'precision': 0.7641509433962265, 'recall': 0.8140703517587939, 'f1': 0.7883211678832116, 'number': 199}	{'precision': 0.4857142857142857, 'recall': 0.5666666666666667, 'f1': 0.523076923076923, 'number': 30}	{'precision': 0.8877338877338877, 'recall': 0.9726651480637813, 'f1': 0.9282608695652175, 'number': 878}	{'precision': 0.8007968127490039, 'recall': 0.9392523364485982, 'f1': 0.864516129032258, 'number': 214}	{'precision': 0.5862068965517241, 'recall': 0.6071428571428571, 'f1': 0.5964912280701754, 'number': 28}	{'precision': 0.8955223880597015, 'recall': 0.47619047619047616, 'f1': 0.6217616580310881, 'number': 126}	{'precision': 0.7272727272727273, 'recall': 0.5853658536585366, 'f1': 0.6486486486486487, 'number': 41}	{'precision': 0.34210526315789475, 'recall': 0.17333333333333334, 'f1': 0.2300884955752213, 'number': 75}	{'precision': 0.8571428571428571, 'recall': 0.64, 'f1': 0.732824427480916, 'number': 75}	0.8471	0.8672	0.8570	0.9345
0.0691	6.0	8820	0.2888	{'precision': 0.6666666666666666, 'recall': 0.5714285714285714, 'f1': 0.6153846153846153, 'number': 14}	{'precision': 0.6611570247933884, 'recall': 0.6896551724137931, 'f1': 0.6751054852320676, 'number': 116}	{'precision': 0.9656019656019657, 'recall': 0.9401913875598086, 'f1': 0.9527272727272728, 'number': 418}	{'precision': 0.6, 'recall': 0.7272727272727273, 'f1': 0.6575342465753425, 'number': 33}	{'precision': 0.8972162740899358, 'recall': 0.8972162740899358, 'f1': 0.8972162740899358, 'number': 467}	{'precision': 0.8, 'recall': 0.9142857142857143, 'f1': 0.8533333333333333, 'number': 35}	{'precision': 0.9629629629629629, 'recall': 0.8666666666666667, 'f1': 0.912280701754386, 'number': 30}	{'precision': 0.4166666666666667, 'recall': 0.4166666666666667, 'f1': 0.4166666666666667, 'number': 12}	{'precision': 0.66, 'recall': 0.8461538461538461, 'f1': 0.7415730337078651, 'number': 39}	{'precision': 0.6382978723404256, 'recall': 0.7894736842105263, 'f1': 0.7058823529411764, 'number': 38}	{'precision': 0.9366666666666666, 'recall': 0.95578231292517, 'f1': 0.946127946127946, 'number': 294}	{'precision': 0.84375, 'recall': 0.8140703517587939, 'f1': 0.8286445012787724, 'number': 199}	{'precision': 0.6129032258064516, 'recall': 0.6333333333333333, 'f1': 0.6229508196721313, 'number': 30}	{'precision': 0.8860369609856262, 'recall': 0.9829157175398633, 'f1': 0.9319654427645788, 'number': 878}	{'precision': 0.8208333333333333, 'recall': 0.9205607476635514, 'f1': 0.8678414096916299, 'number': 214}	{'precision': 0.5151515151515151, 'recall': 0.6071428571428571, 'f1': 0.5573770491803278, 'number': 28}	{'precision': 0.8217821782178217, 'recall': 0.6587301587301587, 'f1': 0.7312775330396475, 'number': 126}	{'precision': 0.6571428571428571, 'recall': 0.5609756097560976, 'f1': 0.605263157894737, 'number': 41}	{'precision': 0.3559322033898305, 'recall': 0.28, 'f1': 0.3134328358208956, 'number': 75}	{'precision': 0.8, 'recall': 0.64, 'f1': 0.7111111111111111, 'number': 75}	0.8510	0.8741	0.8624	0.9407
0.0428	7.0	10290	0.3496	{'precision': 0.6666666666666666, 'recall': 0.7142857142857143, 'f1': 0.689655172413793, 'number': 14}	{'precision': 0.6575342465753424, 'recall': 0.8275862068965517, 'f1': 0.732824427480916, 'number': 116}	{'precision': 0.9582309582309583, 'recall': 0.9330143540669856, 'f1': 0.9454545454545454, 'number': 418}	{'precision': 0.6410256410256411, 'recall': 0.7575757575757576, 'f1': 0.6944444444444444, 'number': 33}	{'precision': 0.8933901918976546, 'recall': 0.8972162740899358, 'f1': 0.8952991452991453, 'number': 467}	{'precision': 0.8421052631578947, 'recall': 0.9142857142857143, 'f1': 0.8767123287671234, 'number': 35}	{'precision': 0.9615384615384616, 'recall': 0.8333333333333334, 'f1': 0.8928571428571429, 'number': 30}	{'precision': 0.5294117647058824, 'recall': 0.75, 'f1': 0.6206896551724139, 'number': 12}	{'precision': 0.6875, 'recall': 0.8461538461538461, 'f1': 0.7586206896551724, 'number': 39}	{'precision': 0.6304347826086957, 'recall': 0.7631578947368421, 'f1': 0.6904761904761905, 'number': 38}	{'precision': 0.9431438127090301, 'recall': 0.9591836734693877, 'f1': 0.9510961214165261, 'number': 294}	{'precision': 0.7047244094488189, 'recall': 0.8994974874371859, 'f1': 0.7902869757174392, 'number': 199}	{'precision': 0.6571428571428571, 'recall': 0.7666666666666667, 'f1': 0.7076923076923077, 'number': 30}	{'precision': 0.8632734530938124, 'recall': 0.9851936218678815, 'f1': 0.9202127659574468, 'number': 878}	{'precision': 0.8304347826086956, 'recall': 0.8925233644859814, 'f1': 0.8603603603603603, 'number': 214}	{'precision': 0.5806451612903226, 'recall': 0.6428571428571429, 'f1': 0.6101694915254238, 'number': 28}	{'precision': 0.8390804597701149, 'recall': 0.5793650793650794, 'f1': 0.6854460093896713, 'number': 126}	{'precision': 0.6111111111111112, 'recall': 0.5365853658536586, 'f1': 0.5714285714285715, 'number': 41}	{'precision': 0.46, 'recall': 0.30666666666666664, 'f1': 0.36800000000000005, 'number': 75}	{'precision': 0.7903225806451613, 'recall': 0.6533333333333333, 'f1': 0.7153284671532847, 'number': 75}	0.8370	0.8833	0.8595	0.9371
0.0223	8.0	11760	0.3505	{'precision': 0.75, 'recall': 0.6428571428571429, 'f1': 0.6923076923076924, 'number': 14}	{'precision': 0.7476635514018691, 'recall': 0.6896551724137931, 'f1': 0.7174887892376681, 'number': 116}	{'precision': 0.9586374695863747, 'recall': 0.9425837320574163, 'f1': 0.9505428226779252, 'number': 418}	{'precision': 0.6216216216216216, 'recall': 0.696969696969697, 'f1': 0.6571428571428571, 'number': 33}	{'precision': 0.8989247311827957, 'recall': 0.8950749464668094, 'f1': 0.8969957081545064, 'number': 467}	{'precision': 0.8157894736842105, 'recall': 0.8857142857142857, 'f1': 0.8493150684931505, 'number': 35}	{'precision': 0.9310344827586207, 'recall': 0.9, 'f1': 0.9152542372881356, 'number': 30}	{'precision': 0.6363636363636364, 'recall': 0.5833333333333334, 'f1': 0.6086956521739131, 'number': 12}	{'precision': 0.7333333333333333, 'recall': 0.8461538461538461, 'f1': 0.7857142857142856, 'number': 39}	{'precision': 0.6756756756756757, 'recall': 0.6578947368421053, 'f1': 0.6666666666666667, 'number': 38}	{'precision': 0.9929328621908127, 'recall': 0.95578231292517, 'f1': 0.9740034662045061, 'number': 294}	{'precision': 0.8434343434343434, 'recall': 0.8391959798994975, 'f1': 0.8413098236775819, 'number': 199}	{'precision': 0.5789473684210527, 'recall': 0.7333333333333333, 'f1': 0.6470588235294117, 'number': 30}	{'precision': 0.8700906344410876, 'recall': 0.9840546697038725, 'f1': 0.923570283270978, 'number': 878}	{'precision': 0.7976190476190477, 'recall': 0.9392523364485982, 'f1': 0.8626609442060086, 'number': 214}	{'precision': 0.6071428571428571, 'recall': 0.6071428571428571, 'f1': 0.6071428571428571, 'number': 28}	{'precision': 0.84, 'recall': 0.6666666666666666, 'f1': 0.743362831858407, 'number': 126}	{'precision': 0.7058823529411765, 'recall': 0.5853658536585366, 'f1': 0.64, 'number': 41}	{'precision': 0.5, 'recall': 0.4, 'f1': 0.4444444444444445, 'number': 75}	{'precision': 0.7611940298507462, 'recall': 0.68, 'f1': 0.7183098591549296, 'number': 75}	0.8592	0.8817	0.8703	0.9423
0.0147	9.0	13230	0.3650	{'precision': 0.7142857142857143, 'recall': 0.7142857142857143, 'f1': 0.7142857142857143, 'number': 14}	{'precision': 0.7053571428571429, 'recall': 0.6810344827586207, 'f1': 0.6929824561403509, 'number': 116}	{'precision': 0.95260663507109, 'recall': 0.9617224880382775, 'f1': 0.9571428571428572, 'number': 418}	{'precision': 0.6842105263157895, 'recall': 0.7878787878787878, 'f1': 0.732394366197183, 'number': 33}	{'precision': 0.8781512605042017, 'recall': 0.8950749464668094, 'f1': 0.8865323435843053, 'number': 467}	{'precision': 0.8421052631578947, 'recall': 0.9142857142857143, 'f1': 0.8767123287671234, 'number': 35}	{'precision': 0.9629629629629629, 'recall': 0.8666666666666667, 'f1': 0.912280701754386, 'number': 30}	{'precision': 0.5833333333333334, 'recall': 0.5833333333333334, 'f1': 0.5833333333333334, 'number': 12}	{'precision': 0.7674418604651163, 'recall': 0.8461538461538461, 'f1': 0.8048780487804877, 'number': 39}	{'precision': 0.6666666666666666, 'recall': 0.7368421052631579, 'f1': 0.7, 'number': 38}	{'precision': 0.9792387543252595, 'recall': 0.9625850340136054, 'f1': 0.9708404802744426, 'number': 294}	{'precision': 0.776824034334764, 'recall': 0.9095477386934674, 'f1': 0.837962962962963, 'number': 199}	{'precision': 0.6486486486486487, 'recall': 0.8, 'f1': 0.7164179104477612, 'number': 30}	{'precision': 0.8914167528438469, 'recall': 0.9817767653758542, 'f1': 0.9344173441734417, 'number': 878}	{'precision': 0.7944664031620553, 'recall': 0.9392523364485982, 'f1': 0.8608137044967881, 'number': 214}	{'precision': 0.6451612903225806, 'recall': 0.7142857142857143, 'f1': 0.6779661016949152, 'number': 28}	{'precision': 0.8367346938775511, 'recall': 0.6507936507936508, 'f1': 0.7321428571428571, 'number': 126}	{'precision': 0.5681818181818182, 'recall': 0.6097560975609756, 'f1': 0.5882352941176471, 'number': 41}	{'precision': 0.43243243243243246, 'recall': 0.4266666666666667, 'f1': 0.42953020134228187, 'number': 75}	{'precision': 0.8, 'recall': 0.6933333333333334, 'f1': 0.7428571428571429, 'number': 75}	0.8516	0.8928	0.8717	0.9430
0.0113	10.0	14700	0.3840	{'precision': 0.8, 'recall': 0.5714285714285714, 'f1': 0.6666666666666666, 'number': 14}	{'precision': 0.7843137254901961, 'recall': 0.6896551724137931, 'f1': 0.7339449541284404, 'number': 116}	{'precision': 0.9592326139088729, 'recall': 0.9569377990430622, 'f1': 0.9580838323353293, 'number': 418}	{'precision': 0.625, 'recall': 0.7575757575757576, 'f1': 0.6849315068493151, 'number': 33}	{'precision': 0.892933618843683, 'recall': 0.892933618843683, 'f1': 0.892933618843683, 'number': 467}	{'precision': 0.8571428571428571, 'recall': 0.8571428571428571, 'f1': 0.8571428571428571, 'number': 35}	{'precision': 0.9629629629629629, 'recall': 0.8666666666666667, 'f1': 0.912280701754386, 'number': 30}	{'precision': 0.6363636363636364, 'recall': 0.5833333333333334, 'f1': 0.6086956521739131, 'number': 12}	{'precision': 0.6976744186046512, 'recall': 0.7692307692307693, 'f1': 0.7317073170731708, 'number': 39}	{'precision': 0.6744186046511628, 'recall': 0.7631578947368421, 'f1': 0.7160493827160495, 'number': 38}	{'precision': 1.0, 'recall': 0.95578231292517, 'f1': 0.9773913043478261, 'number': 294}	{'precision': 0.7652173913043478, 'recall': 0.8844221105527639, 'f1': 0.8205128205128205, 'number': 199}	{'precision': 0.6388888888888888, 'recall': 0.7666666666666667, 'f1': 0.696969696969697, 'number': 30}	{'precision': 0.8828365878725591, 'recall': 0.9783599088838268, 'f1': 0.9281469475958942, 'number': 878}	{'precision': 0.8007968127490039, 'recall': 0.9392523364485982, 'f1': 0.864516129032258, 'number': 214}	{'precision': 0.68, 'recall': 0.6071428571428571, 'f1': 0.6415094339622641, 'number': 28}	{'precision': 0.8387096774193549, 'recall': 0.6190476190476191, 'f1': 0.7123287671232876, 'number': 126}	{'precision': 0.75, 'recall': 0.5853658536585366, 'f1': 0.6575342465753423, 'number': 41}	{'precision': 0.4411764705882353, 'recall': 0.4, 'f1': 0.4195804195804196, 'number': 75}	{'precision': 0.8253968253968254, 'recall': 0.6933333333333334, 'f1': 0.7536231884057971, 'number': 75}	0.8602	0.8833	0.8716	0.9425

Framework versions

Transformers 4.40.2
Pytorch 2.3.1+cu121
Datasets 2.19.1
Tokenizers 0.19.1