metadata

tags:
  - generated_from_trainer
datasets:
  - nerde
widget:
  - text: >-
      Considerando-se os argumentos elencados pela Peticionária, infere-se que a
      CNH Industrial detém legítimo interesse pelo caso em epígrafe, visto que
      pode ser afetada pela decisão a ser adotada pelo Cade sobre a Operação,
      constatação que autoriza o enquadramento do pleito nas hipóteses previstas
      no artigo 50 da Lei nº 12.529/2011.
  - text: >-
      Em análise dos autos verifica-se a existência de documentos contra Aurélio
      de Paula, datados de 04 de março de 2010, 19 de março de 2010 e 05 de
      outubro de 2010; contra Bianchini Indústria de Plásticos Ltda., Igon
      Bernardelli, datados de 19 de março de 2010; contra a Nasato Indústria de
      Plásticos Eireli e Osmair Nasato, datados de 04 de março de 2010 e 05 de
      outubro de 2010; contra TWB Indústria e Comércio de Produtos Plásticos
      Ltda. e Waldir Dezotti, datados de 04 de março de 2010 e 05 de outubro de
      2010, podendo-se concluir que a conduta ocorreu de forma contínua na
      maioria dos casos, pelo menos ao longo do ano de 2010, questões que serão
      melhor analisadas após o fim da instrução processual.
inference:
  parameters:
    aggregation_strategy: max
metrics:
  - precision
  - recall
  - f1
  - accuracy
model-index:
  - name: NERDE-base
    results:
      - task:
          name: Token Classification
          type: token-classification
        dataset:
          name: nerde
          type: nerde
          args: NERDE
        metrics:
          - name: Precision
            type: precision
            value: 0.9118601747815231
          - name: Recall
            type: recall
            value: 0.9152882205513785
          - name: F1
            type: f1
            value: 0.9135709818636648
          - name: Accuracy
            type: accuracy
            value: 0.9841962132484992

NERDE-base

This model is a fine-tuned version of pierreguillou/bert-base-cased-pt-lenerbr on the nerde dataset. It achieves the following results on the evaluation set:

Loss: 0.1246
Precision: 0.9119
Recall: 0.9153
F1: 0.9136
Accuracy: 0.9842

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: 16
eval_batch_size: 16
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	Precision	Recall	F1	Accuracy
0.2466	1.0	541	0.1003	0.8515	0.8822	0.8666	0.9782
0.0608	2.0	1082	0.0855	0.8990	0.9083	0.9036	0.9837
0.0411	3.0	1623	0.1006	0.9078	0.9103	0.9090	0.9837
0.0266	4.0	2164	0.1052	0.9023	0.9163	0.9092	0.9828
0.0191	5.0	2705	0.1060	0.9112	0.9183	0.9147	0.9847
0.0153	6.0	3246	0.1152	0.9052	0.9098	0.9075	0.9831
0.0124	7.0	3787	0.1209	0.9029	0.9185	0.9107	0.9835
0.0083	8.0	4328	0.1176	0.9072	0.9163	0.9117	0.9844
0.0077	9.0	4869	0.1240	0.9080	0.9201	0.9140	0.9844
0.0051	10.0	5410	0.1246	0.9119	0.9153	0.9136	0.9842

Framework versions

Transformers 4.20.1
Pytorch 1.12.0+cu113
Datasets 2.3.2
Tokenizers 0.12.1