roberta-large-crf-ner-ghtk-ai-fluent-segmented-21-label-new-data-3090-6Obt-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: 0.2497
• Ho: {'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}
• Hoảng thời gian: {'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5}
• Háng trừu tượng: {'precision': 0.4, 'recall': 0.4, 'f1': 0.4000000000000001, 'number': 10}
• Hông tin ctt: {'precision': 0.5, 'recall': 0.16666666666666666, 'f1': 0.25, 'number': 6}
• Hụ cấp: {'precision': 0.8225806451612904, 'recall': 0.8095238095238095, 'f1': 0.8160000000000001, 'number': 63}
• Hứ: {'precision': 0.7777777777777778, 'recall': 0.7777777777777778, 'f1': 0.7777777777777778, 'number': 9}
• Iấy tờ: {'precision': 0.5, 'recall': 0.5, 'f1': 0.5, 'number': 8}
• Iền cụ thể: {'precision': 0.6785714285714286, 'recall': 0.6129032258064516, 'f1': 0.6440677966101694, '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': 0.6086956521739131, 'recall': 0.6363636363636364, 'f1': 0.6222222222222223, 'number': 22}
• Ình thức làm việc: {'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}
• Ông: {'precision': 0.7272727272727273, 'recall': 0.7804878048780488, 'f1': 0.7529411764705882, 'number': 82}
• Ương: {'precision': 0.8867924528301887, 'recall': 0.8703703703703703, 'f1': 0.8785046728971964, 'number': 54}
• Ị trí: {'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}
• Ố công: {'precision': 0.925, 'recall': 0.9061224489795918, 'f1': 0.9154639175257733, 'number': 245}
• Ố giờ: {'precision': 0.8, 'recall': 1.0, 'f1': 0.888888888888889, 'number': 4}
• Ố điểm: {'precision': 0.7735849056603774, 'recall': 0.82, 'f1': 0.796116504854369, 'number': 50}
• Ố đơn: {'precision': 0.631578947368421, 'recall': 0.8888888888888888, 'f1': 0.7384615384615385, 'number': 27}
• Ợt: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}
• Ỷ lệ: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}
• Overall Precision: 0.8082
• Overall Recall: 0.8194
• Overall F1: 0.8138
• Overall Accuracy: 0.9513

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	0.4127	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.6, 'recall': 0.7619047619047619, 'f1': 0.6713286713286712, 'number': 63}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}	{'precision': 0.2702702702702703, 'recall': 0.3225806451612903, 'f1': 0.2941176470588235, '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': 0.21052631578947367, 'recall': 0.36363636363636365, 'f1': 0.26666666666666666, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.36879432624113473, 'recall': 0.6341463414634146, 'f1': 0.4663677130044843, 'number': 82}	{'precision': 0.5882352941176471, 'recall': 0.37037037037037035, 'f1': 0.45454545454545453, 'number': 54}	{'precision': 0.47368421052631576, 'recall': 0.5625, 'f1': 0.5142857142857142, 'number': 16}	{'precision': 0.7008797653958945, 'recall': 0.9755102040816327, 'f1': 0.8156996587030717, 'number': 245}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 0.8695652173913043, 'recall': 0.4, 'f1': 0.547945205479452, 'number': 50}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.5694	0.6265	0.5966	0.8898
No log	2.0	294	0.2326	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.6666666666666666, 'recall': 0.4, 'f1': 0.5, 'number': 5}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.8301886792452831, 'recall': 0.6984126984126984, 'f1': 0.7586206896551724, 'number': 63}	{'precision': 0.625, 'recall': 0.5555555555555556, 'f1': 0.5882352941176471, 'number': 9}	{'precision': 0.6666666666666666, 'recall': 0.25, 'f1': 0.36363636363636365, 'number': 8}	{'precision': 0.4583333333333333, 'recall': 0.3548387096774194, 'f1': 0.39999999999999997, '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': 0.4782608695652174, 'recall': 0.5, 'f1': 0.4888888888888889, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.5777777777777777, 'recall': 0.6341463414634146, 'f1': 0.6046511627906976, 'number': 82}	{'precision': 0.8604651162790697, 'recall': 0.6851851851851852, 'f1': 0.7628865979381443, 'number': 54}	{'precision': 0.5555555555555556, 'recall': 0.625, 'f1': 0.5882352941176471, 'number': 16}	{'precision': 0.8622047244094488, 'recall': 0.8938775510204081, 'f1': 0.8777555110220441, 'number': 245}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 0.6956521739130435, 'recall': 0.64, 'f1': 0.6666666666666666, 'number': 50}	{'precision': 1.0, 'recall': 0.25925925925925924, 'f1': 0.4117647058823529, 'number': 27}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.7544	0.6682	0.7087	0.9259
No log	3.0	441	0.2598	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.75, 'recall': 0.6, 'f1': 0.6666666666666665, 'number': 5}	{'precision': 0.4444444444444444, 'recall': 0.4, 'f1': 0.4210526315789474, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.8, 'recall': 0.6984126984126984, 'f1': 0.7457627118644068, 'number': 63}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 9}	{'precision': 0.375, 'recall': 0.375, 'f1': 0.375, 'number': 8}	{'precision': 0.7, 'recall': 0.22580645161290322, 'f1': 0.3414634146341463, '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': 0.5, 'f1': 0.5, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.704225352112676, 'recall': 0.6097560975609756, 'f1': 0.65359477124183, 'number': 82}	{'precision': 0.8541666666666666, 'recall': 0.7592592592592593, 'f1': 0.8039215686274509, 'number': 54}	{'precision': 0.5454545454545454, 'recall': 0.375, 'f1': 0.4444444444444444, 'number': 16}	{'precision': 0.9196428571428571, 'recall': 0.8408163265306122, 'f1': 0.8784648187633263, 'number': 245}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 0.8, 'recall': 0.64, 'f1': 0.7111111111111111, 'number': 50}	{'precision': 0.8666666666666667, 'recall': 0.48148148148148145, 'f1': 0.6190476190476191, 'number': 27}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.8075	0.6667	0.7303	0.9351
0.3959	4.0	588	0.2273	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.4444444444444444, 'recall': 0.4, 'f1': 0.4210526315789474, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.8305084745762712, 'recall': 0.7777777777777778, 'f1': 0.8032786885245902, 'number': 63}	{'precision': 0.6, 'recall': 0.6666666666666666, 'f1': 0.631578947368421, 'number': 9}	{'precision': 0.42857142857142855, 'recall': 0.375, 'f1': 0.39999999999999997, 'number': 8}	{'precision': 0.52, 'recall': 0.41935483870967744, 'f1': 0.46428571428571425, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.46153846153846156, 'recall': 0.5454545454545454, 'f1': 0.4999999999999999, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.7, 'recall': 0.6829268292682927, 'f1': 0.6913580246913581, 'number': 82}	{'precision': 0.9333333333333333, 'recall': 0.7777777777777778, 'f1': 0.8484848484848485, 'number': 54}	{'precision': 1.0, 'recall': 0.75, 'f1': 0.8571428571428571, 'number': 16}	{'precision': 0.89453125, 'recall': 0.9346938775510204, 'f1': 0.9141716566866267, 'number': 245}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 0.6610169491525424, 'recall': 0.78, 'f1': 0.7155963302752293, 'number': 50}	{'precision': 0.782608695652174, 'recall': 0.6666666666666666, 'f1': 0.72, 'number': 27}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.7917	0.7685	0.7800	0.9427
0.3959	5.0	735	0.2091	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.4166666666666667, 'recall': 0.5, 'f1': 0.45454545454545453, 'number': 10}	{'precision': 0.5, 'recall': 0.16666666666666666, 'f1': 0.25, 'number': 6}	{'precision': 0.8225806451612904, 'recall': 0.8095238095238095, 'f1': 0.8160000000000001, 'number': 63}	{'precision': 0.7777777777777778, 'recall': 0.7777777777777778, 'f1': 0.7777777777777778, 'number': 9}	{'precision': 0.5, 'recall': 0.375, 'f1': 0.42857142857142855, 'number': 8}	{'precision': 0.8125, 'recall': 0.41935483870967744, 'f1': 0.5531914893617021, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.5, 'recall': 0.5909090909090909, 'f1': 0.5416666666666667, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.6875, 'recall': 0.6707317073170732, 'f1': 0.6790123456790124, 'number': 82}	{'precision': 0.8596491228070176, 'recall': 0.9074074074074074, 'f1': 0.8828828828828829, 'number': 54}	{'precision': 0.7857142857142857, 'recall': 0.6875, 'f1': 0.7333333333333334, 'number': 16}	{'precision': 0.9363636363636364, 'recall': 0.8408163265306122, 'f1': 0.886021505376344, 'number': 245}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 0.7391304347826086, 'recall': 0.68, 'f1': 0.7083333333333334, 'number': 50}	{'precision': 0.5882352941176471, 'recall': 0.7407407407407407, 'f1': 0.6557377049180328, 'number': 27}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.7990	0.7423	0.7696	0.9454
0.3959	6.0	882	0.1920	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.5, 'recall': 0.4, 'f1': 0.4444444444444445, 'number': 10}	{'precision': 0.5, 'recall': 0.16666666666666666, 'f1': 0.25, 'number': 6}	{'precision': 0.8307692307692308, 'recall': 0.8571428571428571, 'f1': 0.84375, 'number': 63}	{'precision': 0.7777777777777778, 'recall': 0.7777777777777778, 'f1': 0.7777777777777778, 'number': 9}	{'precision': 0.42857142857142855, 'recall': 0.375, 'f1': 0.39999999999999997, 'number': 8}	{'precision': 0.5517241379310345, 'recall': 0.5161290322580645, 'f1': 0.5333333333333333, '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': 0.52, 'recall': 0.5909090909090909, 'f1': 0.5531914893617023, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.631578947368421, 'recall': 0.7317073170731707, 'f1': 0.6779661016949152, 'number': 82}	{'precision': 0.9423076923076923, 'recall': 0.9074074074074074, 'f1': 0.9245283018867925, 'number': 54}	{'precision': 0.9285714285714286, 'recall': 0.8125, 'f1': 0.8666666666666666, 'number': 16}	{'precision': 0.9109311740890689, 'recall': 0.9183673469387755, 'f1': 0.9146341463414634, 'number': 245}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 0.7241379310344828, 'recall': 0.84, 'f1': 0.7777777777777777, 'number': 50}	{'precision': 0.6470588235294118, 'recall': 0.8148148148148148, 'f1': 0.7213114754098361, 'number': 27}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.7892	0.8086	0.7988	0.9516
0.0835	7.0	1029	0.2322	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.75, 'recall': 0.6, 'f1': 0.6666666666666665, 'number': 5}	{'precision': 0.4444444444444444, 'recall': 0.4, 'f1': 0.4210526315789474, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.828125, 'recall': 0.8412698412698413, 'f1': 0.8346456692913385, 'number': 63}	{'precision': 0.7, 'recall': 0.7777777777777778, 'f1': 0.7368421052631577, 'number': 9}	{'precision': 0.4444444444444444, 'recall': 0.5, 'f1': 0.47058823529411764, 'number': 8}	{'precision': 0.68, 'recall': 0.5483870967741935, 'f1': 0.6071428571428571, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.7368421052631579, 'recall': 0.6363636363636364, 'f1': 0.6829268292682926, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.7325581395348837, 'recall': 0.7682926829268293, 'f1': 0.75, 'number': 82}	{'precision': 0.8936170212765957, 'recall': 0.7777777777777778, 'f1': 0.8316831683168316, 'number': 54}	{'precision': 0.8235294117647058, 'recall': 0.875, 'f1': 0.8484848484848485, 'number': 16}	{'precision': 0.9276595744680851, 'recall': 0.889795918367347, 'f1': 0.9083333333333333, 'number': 245}	{'precision': 1.0, 'recall': 0.5, 'f1': 0.6666666666666666, 'number': 4}	{'precision': 0.7857142857142857, 'recall': 0.66, 'f1': 0.717391304347826, 'number': 50}	{'precision': 0.6111111111111112, 'recall': 0.8148148148148148, 'f1': 0.6984126984126984, 'number': 27}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.8172	0.7793	0.7978	0.9480
0.0835	8.0	1176	0.2319	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5}	{'precision': 0.5, 'recall': 0.6, 'f1': 0.5454545454545454, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.847457627118644, 'recall': 0.7936507936507936, 'f1': 0.819672131147541, 'number': 63}	{'precision': 0.7777777777777778, 'recall': 0.7777777777777778, 'f1': 0.7777777777777778, 'number': 9}	{'precision': 0.5, 'recall': 0.5, 'f1': 0.5, 'number': 8}	{'precision': 0.7142857142857143, 'recall': 0.6451612903225806, 'f1': 0.6779661016949152, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6666666666666666, 'recall': 0.6363636363636364, 'f1': 0.6511627906976744, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.7176470588235294, 'recall': 0.7439024390243902, 'f1': 0.7305389221556886, 'number': 82}	{'precision': 0.8727272727272727, 'recall': 0.8888888888888888, 'f1': 0.8807339449541284, 'number': 54}	{'precision': 0.8666666666666667, 'recall': 0.8125, 'f1': 0.8387096774193549, 'number': 16}	{'precision': 0.904, 'recall': 0.9224489795918367, 'f1': 0.9131313131313132, 'number': 245}	{'precision': 0.8, 'recall': 1.0, 'f1': 0.888888888888889, 'number': 4}	{'precision': 0.75, 'recall': 0.84, 'f1': 0.7924528301886793, 'number': 50}	{'precision': 0.6428571428571429, 'recall': 0.6666666666666666, 'f1': 0.6545454545454545, 'number': 27}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.8070	0.8133	0.8101	0.9496
0.0835	9.0	1323	0.2500	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5}	{'precision': 0.5, 'recall': 0.6, 'f1': 0.5454545454545454, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.8064516129032258, 'recall': 0.7936507936507936, 'f1': 0.7999999999999999, 'number': 63}	{'precision': 0.7777777777777778, 'recall': 0.7777777777777778, 'f1': 0.7777777777777778, 'number': 9}	{'precision': 0.5, 'recall': 0.5, 'f1': 0.5, 'number': 8}	{'precision': 0.6666666666666666, 'recall': 0.6451612903225806, 'f1': 0.6557377049180327, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.7, 'recall': 0.6363636363636364, 'f1': 0.6666666666666666, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.7241379310344828, 'recall': 0.7682926829268293, 'f1': 0.7455621301775147, 'number': 82}	{'precision': 0.8867924528301887, 'recall': 0.8703703703703703, 'f1': 0.8785046728971964, 'number': 54}	{'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}	{'precision': 0.9218106995884774, 'recall': 0.9142857142857143, 'f1': 0.9180327868852458, 'number': 245}	{'precision': 0.8, 'recall': 1.0, 'f1': 0.888888888888889, 'number': 4}	{'precision': 0.74, 'recall': 0.74, 'f1': 0.74, 'number': 50}	{'precision': 0.625, 'recall': 0.7407407407407407, 'f1': 0.6779661016949152, 'number': 27}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.8062	0.8086	0.8074	0.9490
0.0835	10.0	1470	0.2497	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	{'precision': 0.6666666666666666, 'recall': 0.8, 'f1': 0.7272727272727272, 'number': 5}	{'precision': 0.4, 'recall': 0.4, 'f1': 0.4000000000000001, 'number': 10}	{'precision': 0.5, 'recall': 0.16666666666666666, 'f1': 0.25, 'number': 6}	{'precision': 0.8225806451612904, 'recall': 0.8095238095238095, 'f1': 0.8160000000000001, 'number': 63}	{'precision': 0.7777777777777778, 'recall': 0.7777777777777778, 'f1': 0.7777777777777778, 'number': 9}	{'precision': 0.5, 'recall': 0.5, 'f1': 0.5, 'number': 8}	{'precision': 0.6785714285714286, 'recall': 0.6129032258064516, 'f1': 0.6440677966101694, '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': 0.6086956521739131, 'recall': 0.6363636363636364, 'f1': 0.6222222222222223, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.7272727272727273, 'recall': 0.7804878048780488, 'f1': 0.7529411764705882, 'number': 82}	{'precision': 0.8867924528301887, 'recall': 0.8703703703703703, 'f1': 0.8785046728971964, 'number': 54}	{'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}	{'precision': 0.925, 'recall': 0.9061224489795918, 'f1': 0.9154639175257733, 'number': 245}	{'precision': 0.8, 'recall': 1.0, 'f1': 0.888888888888889, 'number': 4}	{'precision': 0.7735849056603774, 'recall': 0.82, 'f1': 0.796116504854369, 'number': 50}	{'precision': 0.631578947368421, 'recall': 0.8888888888888888, 'f1': 0.7384615384615385, 'number': 27}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.8082	0.8194	0.8138	0.9513

Framework versions

• Transformers 4.44.2
• Pytorch 2.4.1+cu121
• Datasets 3.0.0
• Tokenizers 0.19.1