roberta-large-ner-ghtk-ai-fluent-21-label-new-data-3090-12Sep-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: 0.1898
• Ho: {'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}
• Hoảng thời gian: {'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}
• Háng trừu tượng: {'precision': 0.7, 'recall': 0.7, 'f1': 0.7, 'number': 10}
• Hông tin ctt: {'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}
• Hụ cấp: {'precision': 0.8793103448275862, 'recall': 0.8095238095238095, 'f1': 0.8429752066115702, 'number': 63}
• Hứ: {'precision': 0.6, 'recall': 0.6666666666666666, 'f1': 0.631578947368421, 'number': 9}
• Iấy tờ: {'precision': 0.3333333333333333, 'recall': 0.375, 'f1': 0.35294117647058826, 'number': 8}
• Iền cụ thể: {'precision': 0.6666666666666666, 'recall': 0.6451612903225806, 'f1': 0.6557377049180327, 'number': 31}
• Iền trừu tượng: {'precision': 1.0, 'recall': 0.2, 'f1': 0.33333333333333337, 'number': 5}
• Ã số thuế: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}
• Ã đơn: {'precision': 0.7083333333333334, 'recall': 0.7727272727272727, 'f1': 0.7391304347826088, 'number': 22}
• Ình thức làm việc: {'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}
• Ông: {'precision': 0.7111111111111111, 'recall': 0.7804878048780488, 'f1': 0.7441860465116279, 'number': 82}
• Ương: {'precision': 0.8214285714285714, 'recall': 0.8518518518518519, 'f1': 0.8363636363636364, 'number': 54}
• Ị trí: {'precision': 0.7058823529411765, 'recall': 0.75, 'f1': 0.7272727272727272, 'number': 16}
• Ố công: {'precision': 0.900398406374502, 'recall': 0.9576271186440678, 'f1': 0.9281314168377823, 'number': 236}
• Ố giờ: {'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 4}
• Ố điểm: {'precision': 0.8666666666666667, 'recall': 0.8297872340425532, 'f1': 0.8478260869565217, 'number': 47}
• Ố đơn: {'precision': 0.5555555555555556, 'recall': 0.9090909090909091, 'f1': 0.6896551724137931, 'number': 22}
• 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: 0.8042
• Overall Recall: 0.8399
• Overall F1: 0.8217
• Overall Accuracy: 0.9595

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	0.3728	{'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': 0.5113636363636364, 'recall': 0.7142857142857143, 'f1': 0.5960264900662252, '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': 0.6666666666666666, 'recall': 0.06451612903225806, 'f1': 0.1176470588235294, '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': 0.19607843137254902, 'recall': 0.45454545454545453, 'f1': 0.273972602739726, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.2787878787878788, 'recall': 0.5609756097560976, 'f1': 0.37246963562753044, 'number': 82}	{'precision': 0.5517241379310345, 'recall': 0.2962962962962963, 'f1': 0.38554216867469876, 'number': 54}	{'precision': 0.3888888888888889, 'recall': 0.4375, 'f1': 0.411764705882353, 'number': 16}	{'precision': 0.7700348432055749, 'recall': 0.9364406779661016, 'f1': 0.8451242829827915, 'number': 236}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 0.5555555555555556, 'recall': 0.425531914893617, 'f1': 0.48192771084337355, 'number': 47}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.5421	0.5816	0.5612	0.8951
No log	2.0	294	0.2223	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.5, 'recall': 0.8, 'f1': 0.6153846153846154, 'number': 5}	{'precision': 0.375, 'recall': 0.6, 'f1': 0.4615384615384615, 'number': 10}	{'precision': 0.5, 'recall': 0.16666666666666666, 'f1': 0.25, 'number': 6}	{'precision': 0.7903225806451613, 'recall': 0.7777777777777778, 'f1': 0.7839999999999999, 'number': 63}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 9}	{'precision': 0.2, 'recall': 0.125, 'f1': 0.15384615384615385, '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': 0.5416666666666666, 'recall': 0.5909090909090909, 'f1': 0.5652173913043478, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.5652173913043478, 'recall': 0.6341463414634146, 'f1': 0.5977011494252873, 'number': 82}	{'precision': 0.676056338028169, 'recall': 0.8888888888888888, 'f1': 0.7679999999999999, 'number': 54}	{'precision': 0.7333333333333333, 'recall': 0.6875, 'f1': 0.7096774193548386, 'number': 16}	{'precision': 0.8505747126436781, 'recall': 0.6271186440677966, 'f1': 0.7219512195121951, 'number': 236}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 0.5692307692307692, 'recall': 0.7872340425531915, 'f1': 0.6607142857142857, 'number': 47}	{'precision': 0.5555555555555556, 'recall': 0.6818181818181818, 'f1': 0.6122448979591836, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.6768	0.6371	0.6563	0.9253
No log	3.0	441	0.1956	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.5, 'recall': 0.8, 'f1': 0.6153846153846154, 'number': 5}	{'precision': 0.35714285714285715, 'recall': 0.5, 'f1': 0.41666666666666663, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.8461538461538461, 'recall': 0.6984126984126984, 'f1': 0.765217391304348, 'number': 63}	{'precision': 0.6, 'recall': 0.6666666666666666, 'f1': 0.631578947368421, 'number': 9}	{'precision': 0.2727272727272727, 'recall': 0.375, 'f1': 0.3157894736842105, 'number': 8}	{'precision': 0.6923076923076923, 'recall': 0.2903225806451613, 'f1': 0.4090909090909091, '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': 0.6666666666666666, 'recall': 0.5454545454545454, 'f1': 0.6, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.6875, 'recall': 0.5365853658536586, 'f1': 0.6027397260273972, 'number': 82}	{'precision': 0.7166666666666667, 'recall': 0.7962962962962963, 'f1': 0.7543859649122806, 'number': 54}	{'precision': 0.6111111111111112, 'recall': 0.6875, 'f1': 0.6470588235294118, 'number': 16}	{'precision': 0.8265682656826568, 'recall': 0.9491525423728814, 'f1': 0.8836291913214991, 'number': 236}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 1.0, 'recall': 0.6170212765957447, 'f1': 0.763157894736842, 'number': 47}	{'precision': 0.5789473684210527, 'recall': 0.5, 'f1': 0.5365853658536586, 'number': 22}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.7567	0.7147	0.7351	0.9368
0.3724	4.0	588	0.1713	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.45454545454545453, 'recall': 0.5, 'f1': 0.47619047619047616, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.8709677419354839, 'recall': 0.8571428571428571, 'f1': 0.864, 'number': 63}	{'precision': 0.6, 'recall': 0.6666666666666666, 'f1': 0.631578947368421, 'number': 9}	{'precision': 0.5, 'recall': 0.375, 'f1': 0.42857142857142855, 'number': 8}	{'precision': 0.5652173913043478, 'recall': 0.41935483870967744, 'f1': 0.4814814814814815, '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': 0.6818181818181818, 'recall': 0.6818181818181818, 'f1': 0.6818181818181818, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.6206896551724138, 'recall': 0.6585365853658537, 'f1': 0.6390532544378699, 'number': 82}	{'precision': 0.8461538461538461, 'recall': 0.8148148148148148, 'f1': 0.830188679245283, 'number': 54}	{'precision': 0.8461538461538461, 'recall': 0.6875, 'f1': 0.7586206896551724, 'number': 16}	{'precision': 0.8377358490566038, 'recall': 0.940677966101695, 'f1': 0.8862275449101797, 'number': 236}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 0.9411764705882353, 'recall': 0.6808510638297872, 'f1': 0.7901234567901235, 'number': 47}	{'precision': 0.5116279069767442, 'recall': 1.0, 'f1': 0.676923076923077, 'number': 22}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.7659	0.7829	0.7743	0.9489
0.3724	5.0	735	0.1709	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.5, 'recall': 0.5, 'f1': 0.5, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.864406779661017, 'recall': 0.8095238095238095, 'f1': 0.8360655737704918, 'number': 63}	{'precision': 0.7777777777777778, 'recall': 0.7777777777777778, 'f1': 0.7777777777777778, 'number': 9}	{'precision': 0.3333333333333333, 'recall': 0.25, 'f1': 0.28571428571428575, 'number': 8}	{'precision': 0.625, 'recall': 0.3225806451612903, 'f1': 0.425531914893617, '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': 0.7283950617283951, 'recall': 0.7195121951219512, 'f1': 0.7239263803680983, 'number': 82}	{'precision': 0.84, 'recall': 0.7777777777777778, 'f1': 0.8076923076923077, 'number': 54}	{'precision': 0.7142857142857143, 'recall': 0.625, 'f1': 0.6666666666666666, 'number': 16}	{'precision': 0.9890710382513661, 'recall': 0.7669491525423728, 'f1': 0.863961813842482, 'number': 236}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 4}	{'precision': 0.9166666666666666, 'recall': 0.7021276595744681, 'f1': 0.7951807228915662, 'number': 47}	{'precision': 0.7333333333333333, 'recall': 0.5, 'f1': 0.5945945945945945, 'number': 22}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.8505	0.6941	0.7644	0.9495
0.3724	6.0	882	0.1665	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, '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': 0.6666666666666666, 'recall': 0.3333333333333333, 'f1': 0.4444444444444444, 'number': 6}	{'precision': 0.8909090909090909, 'recall': 0.7777777777777778, 'f1': 0.8305084745762712, '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': 0.6129032258064516, 'recall': 0.6129032258064516, 'f1': 0.6129032258064516, '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': 0.6521739130434783, 'recall': 0.6818181818181818, 'f1': 0.6666666666666666, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.6785714285714286, 'recall': 0.6951219512195121, 'f1': 0.6867469879518072, 'number': 82}	{'precision': 0.8035714285714286, 'recall': 0.8333333333333334, 'f1': 0.8181818181818182, 'number': 54}	{'precision': 0.8, 'recall': 0.75, 'f1': 0.7741935483870969, 'number': 16}	{'precision': 0.8593155893536122, 'recall': 0.9576271186440678, 'f1': 0.905811623246493, 'number': 236}	{'precision': 0.5, 'recall': 0.25, 'f1': 0.3333333333333333, 'number': 4}	{'precision': 0.7735849056603774, 'recall': 0.8723404255319149, 'f1': 0.8200000000000001, 'number': 47}	{'precision': 0.5161290322580645, 'recall': 0.7272727272727273, 'f1': 0.6037735849056604, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.7747	0.8067	0.7904	0.9528
0.09	7.0	1029	0.1744	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.6363636363636364, 'recall': 0.7, 'f1': 0.6666666666666666, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.875, 'recall': 0.7777777777777778, 'f1': 0.823529411764706, 'number': 63}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 9}	{'precision': 0.42857142857142855, 'recall': 0.375, 'f1': 0.39999999999999997, 'number': 8}	{'precision': 0.64, 'recall': 0.5161290322580645, 'f1': 0.5714285714285714, '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': 0.6521739130434783, 'recall': 0.6818181818181818, 'f1': 0.6666666666666666, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.6813186813186813, 'recall': 0.7560975609756098, 'f1': 0.7167630057803469, 'number': 82}	{'precision': 0.8518518518518519, 'recall': 0.8518518518518519, 'f1': 0.8518518518518519, 'number': 54}	{'precision': 0.9333333333333333, 'recall': 0.875, 'f1': 0.9032258064516129, 'number': 16}	{'precision': 0.8818897637795275, 'recall': 0.9491525423728814, 'f1': 0.9142857142857144, 'number': 236}	{'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 4}	{'precision': 0.8181818181818182, 'recall': 0.7659574468085106, 'f1': 0.7912087912087913, 'number': 47}	{'precision': 0.5641025641025641, 'recall': 1.0, 'f1': 0.7213114754098361, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.7948	0.8225	0.8084	0.9548
0.09	8.0	1176	0.1799	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.7, 'recall': 0.7, 'f1': 0.7, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.8833333333333333, 'recall': 0.8412698412698413, 'f1': 0.8617886178861788, 'number': 63}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 9}	{'precision': 0.42857142857142855, 'recall': 0.375, 'f1': 0.39999999999999997, 'number': 8}	{'precision': 0.6, 'recall': 0.6774193548387096, 'f1': 0.6363636363636364, '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': 0.6521739130434783, 'recall': 0.6818181818181818, 'f1': 0.6666666666666666, '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': 0.8363636363636363, 'recall': 0.8518518518518519, 'f1': 0.8440366972477065, 'number': 54}	{'precision': 0.8666666666666667, 'recall': 0.8125, 'f1': 0.8387096774193549, 'number': 16}	{'precision': 0.9148936170212766, 'recall': 0.9110169491525424, 'f1': 0.9129511677282378, 'number': 236}	{'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 4}	{'precision': 0.8125, 'recall': 0.8297872340425532, 'f1': 0.8210526315789474, 'number': 47}	{'precision': 0.5641025641025641, 'recall': 1.0, 'f1': 0.7213114754098361, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.8059	0.8225	0.8141	0.9598
0.09	9.0	1323	0.1825	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.7, 'recall': 0.7, 'f1': 0.7, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.8813559322033898, 'recall': 0.8253968253968254, 'f1': 0.8524590163934426, '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': 0.6451612903225806, 'recall': 0.6451612903225806, 'f1': 0.6451612903225806, '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': 0.75, 'recall': 0.8181818181818182, 'f1': 0.7826086956521738, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.7191011235955056, 'recall': 0.7804878048780488, 'f1': 0.7485380116959065, 'number': 82}	{'precision': 0.8421052631578947, 'recall': 0.8888888888888888, 'f1': 0.8648648648648649, 'number': 54}	{'precision': 0.8125, 'recall': 0.8125, 'f1': 0.8125, 'number': 16}	{'precision': 0.900398406374502, 'recall': 0.9576271186440678, 'f1': 0.9281314168377823, 'number': 236}	{'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 4}	{'precision': 0.8297872340425532, 'recall': 0.8297872340425532, 'f1': 0.8297872340425532, 'number': 47}	{'precision': 0.5555555555555556, 'recall': 0.9090909090909091, 'f1': 0.6896551724137931, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.8094	0.8479	0.8282	0.9620
0.09	10.0	1470	0.1898	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.8333333333333334, 'recall': 1.0, 'f1': 0.9090909090909091, 'number': 5}	{'precision': 0.7, 'recall': 0.7, 'f1': 0.7, 'number': 10}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.8793103448275862, 'recall': 0.8095238095238095, 'f1': 0.8429752066115702, 'number': 63}	{'precision': 0.6, 'recall': 0.6666666666666666, 'f1': 0.631578947368421, 'number': 9}	{'precision': 0.3333333333333333, 'recall': 0.375, 'f1': 0.35294117647058826, 'number': 8}	{'precision': 0.6666666666666666, 'recall': 0.6451612903225806, 'f1': 0.6557377049180327, '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': 0.7083333333333334, 'recall': 0.7727272727272727, 'f1': 0.7391304347826088, 'number': 22}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.7111111111111111, 'recall': 0.7804878048780488, 'f1': 0.7441860465116279, 'number': 82}	{'precision': 0.8214285714285714, 'recall': 0.8518518518518519, 'f1': 0.8363636363636364, 'number': 54}	{'precision': 0.7058823529411765, 'recall': 0.75, 'f1': 0.7272727272727272, 'number': 16}	{'precision': 0.900398406374502, 'recall': 0.9576271186440678, 'f1': 0.9281314168377823, 'number': 236}	{'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 4}	{'precision': 0.8666666666666667, 'recall': 0.8297872340425532, 'f1': 0.8478260869565217, 'number': 47}	{'precision': 0.5555555555555556, 'recall': 0.9090909090909091, 'f1': 0.6896551724137931, 'number': 22}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	0.8042	0.8399	0.8217	0.9595

Framework versions

• Transformers 4.44.0
• Pytorch 2.3.1+cu121
• Datasets 2.19.1
• Tokenizers 0.19.1