roberta-ner-ghtk-ai-fluent-20-label-3090-7-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: 0.2202
• Ho: {'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}
• Hoảng thời gian: {'precision': 0.7638888888888888, 'recall': 0.873015873015873, 'f1': 0.8148148148148149, 'number': 63}
• Háng trừu tượng: {'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}
• Hông tin ctt: {'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}
• Hụ cấp: {'precision': 0.2727272727272727, 'recall': 0.42857142857142855, 'f1': 0.33333333333333326, 'number': 7}
• Hứ: {'precision': 0.75, 'recall': 0.6, 'f1': 0.6666666666666665, 'number': 10}
• Iấy tờ: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}
• Iền cụ thể: {'precision': 0.631578947368421, 'recall': 0.3870967741935484, 'f1': 0.48000000000000004, 'number': 31}
• Iền trừu tượng: {'precision': 0.8333333333333334, 'recall': 0.9259259259259259, 'f1': 0.8771929824561403, 'number': 54}
• Ã số thuế: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}
• Ình thức làm việc: {'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}
• Ông: {'precision': 0.6818181818181818, 'recall': 0.7317073170731707, 'f1': 0.7058823529411764, 'number': 82}
• Ương: {'precision': 0.8602150537634409, 'recall': 0.9090909090909091, 'f1': 0.8839779005524862, 'number': 88}
• Ị trí: {'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}
• Ố công: {'precision': 0.782608695652174, 'recall': 0.9113924050632911, 'f1': 0.8421052631578948, 'number': 79}
• Ố giờ: {'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}
• Ố điểm: {'precision': 0.8409090909090909, 'recall': 0.7872340425531915, 'f1': 0.8131868131868133, 'number': 47}
• Ố đơn: {'precision': 0.6, 'recall': 0.6666666666666666, 'f1': 0.631578947368421, 'number': 9}
• Ợt: {'precision': 0.42857142857142855, 'recall': 0.375, 'f1': 0.39999999999999997, 'number': 8}
• Ỷ lệ: {'precision': 0.75, 'recall': 1.0, 'f1': 0.8571428571428571, 'number': 3}
• Overall Precision: 0.7694
• Overall Recall: 0.8041
• Overall F1: 0.7864
• Overall Accuracy: 0.9553

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	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	0.2634	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.7012987012987013, 'recall': 0.8571428571428571, 'f1': 0.7714285714285714, 'number': 63}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.3333333333333333, 'recall': 0.1, 'f1': 0.15384615384615383, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.38636363636363635, 'recall': 0.5483870967741935, 'f1': 0.4533333333333333, 'number': 31}	{'precision': 0.5316455696202531, 'recall': 0.7777777777777778, 'f1': 0.6315789473684209, 'number': 54}	{'precision': 0.2222222222222222, 'recall': 1.0, 'f1': 0.3636363636363636, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.5714285714285714, 'recall': 0.5853658536585366, 'f1': 0.5783132530120483, 'number': 82}	{'precision': 0.7238095238095238, 'recall': 0.8636363636363636, 'f1': 0.7875647668393781, 'number': 88}	{'precision': 0.5416666666666666, 'recall': 0.8125, 'f1': 0.65, 'number': 16}	{'precision': 0.72, 'recall': 0.9113924050632911, 'f1': 0.8044692737430168, 'number': 79}	{'precision': 0.6296296296296297, 'recall': 1.0, 'f1': 0.7727272727272727, 'number': 17}	{'precision': 0.8611111111111112, 'recall': 0.6595744680851063, 'f1': 0.7469879518072289, 'number': 47}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 9}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 8}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.6322	0.7024	0.6655	0.9234
No log	2.0	294	0.1888	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.819672131147541, 'recall': 0.7936507936507936, 'f1': 0.8064516129032259, 'number': 63}	{'precision': 1.0, 'recall': 0.16666666666666666, 'f1': 0.2857142857142857, 'number': 6}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.25, 'recall': 0.42857142857142855, 'f1': 0.3157894736842105, 'number': 7}	{'precision': 0.4, 'recall': 0.4, 'f1': 0.4000000000000001, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.6666666666666666, 'recall': 0.3225806451612903, 'f1': 0.4347826086956521, 'number': 31}	{'precision': 0.7213114754098361, 'recall': 0.8148148148148148, 'f1': 0.7652173913043478, 'number': 54}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.5555555555555556, 'recall': 0.4878048780487805, 'f1': 0.5194805194805195, 'number': 82}	{'precision': 0.7578947368421053, 'recall': 0.8181818181818182, 'f1': 0.7868852459016393, 'number': 88}	{'precision': 0.6666666666666666, 'recall': 0.625, 'f1': 0.6451612903225806, 'number': 16}	{'precision': 0.7526881720430108, 'recall': 0.8860759493670886, 'f1': 0.8139534883720929, 'number': 79}	{'precision': 0.7727272727272727, 'recall': 1.0, 'f1': 0.8717948717948718, 'number': 17}	{'precision': 0.8222222222222222, 'recall': 0.7872340425531915, 'f1': 0.8043478260869565, 'number': 47}	{'precision': 0.6666666666666666, 'recall': 0.4444444444444444, 'f1': 0.5333333333333333, 'number': 9}	{'precision': 0.4166666666666667, 'recall': 0.625, 'f1': 0.5, 'number': 8}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.7031	0.6911	0.6971	0.9389
No log	3.0	441	0.1953	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.7580645161290323, 'recall': 0.746031746031746, 'f1': 0.752, 'number': 63}	{'precision': 0.6666666666666666, 'recall': 0.3333333333333333, 'f1': 0.4444444444444444, 'number': 6}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 0.5454545454545454, 'recall': 0.8571428571428571, 'f1': 0.6666666666666665, 'number': 7}	{'precision': 0.6, 'recall': 0.6, 'f1': 0.6, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.37142857142857144, 'recall': 0.41935483870967744, 'f1': 0.393939393939394, 'number': 31}	{'precision': 0.8222222222222222, 'recall': 0.6851851851851852, 'f1': 0.7474747474747475, 'number': 54}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.6410256410256411, 'recall': 0.6097560975609756, 'f1': 0.625, 'number': 82}	{'precision': 0.7450980392156863, 'recall': 0.8636363636363636, 'f1': 0.8, 'number': 88}	{'precision': 0.5, 'recall': 0.75, 'f1': 0.6, 'number': 16}	{'precision': 0.7525773195876289, 'recall': 0.9240506329113924, 'f1': 0.8295454545454545, 'number': 79}	{'precision': 0.7391304347826086, 'recall': 1.0, 'f1': 0.85, 'number': 17}	{'precision': 0.9310344827586207, 'recall': 0.574468085106383, 'f1': 0.7105263157894737, 'number': 47}	{'precision': 0.4444444444444444, 'recall': 0.4444444444444444, 'f1': 0.4444444444444444, 'number': 9}	{'precision': 0.4444444444444444, 'recall': 0.5, 'f1': 0.47058823529411764, 'number': 8}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	0.6958	0.7194	0.7074	0.9373
0.2502	4.0	588	0.1945	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.75, 'recall': 0.8571428571428571, 'f1': 0.7999999999999999, 'number': 63}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.8571428571428571, 'recall': 0.6, 'f1': 0.7058823529411764, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5, 'recall': 0.3870967741935484, 'f1': 0.43636363636363634, 'number': 31}	{'precision': 0.8837209302325582, 'recall': 0.7037037037037037, 'f1': 0.7835051546391752, 'number': 54}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.5555555555555556, 'recall': 0.6707317073170732, 'f1': 0.6077348066298344, 'number': 82}	{'precision': 0.8, 'recall': 0.7272727272727273, 'f1': 0.761904761904762, 'number': 88}	{'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}	{'precision': 0.7684210526315789, 'recall': 0.9240506329113924, 'f1': 0.8390804597701149, 'number': 79}	{'precision': 0.7083333333333334, 'recall': 1.0, 'f1': 0.8292682926829268, 'number': 17}	{'precision': 0.851063829787234, 'recall': 0.851063829787234, 'f1': 0.8510638297872339, 'number': 47}	{'precision': 0.6666666666666666, 'recall': 0.4444444444444444, 'f1': 0.5333333333333333, 'number': 9}	{'precision': 0.42857142857142855, 'recall': 0.375, 'f1': 0.39999999999999997, 'number': 8}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.7273	0.7382	0.7327	0.9445
0.2502	5.0	735	0.1788	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}	{'precision': 0.7887323943661971, 'recall': 0.8888888888888888, 'f1': 0.835820895522388, 'number': 63}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.3333333333333333, 'recall': 0.3333333333333333, 'f1': 0.3333333333333333, 'number': 3}	{'precision': 0.3333333333333333, 'recall': 0.42857142857142855, 'f1': 0.375, 'number': 7}	{'precision': 0.5555555555555556, 'recall': 0.5, 'f1': 0.5263157894736842, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5714285714285714, 'recall': 0.25806451612903225, 'f1': 0.35555555555555557, 'number': 31}	{'precision': 0.8245614035087719, 'recall': 0.8703703703703703, 'f1': 0.8468468468468469, 'number': 54}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.5, 'recall': 1.0, 'f1': 0.6666666666666666, 'number': 2}	{'precision': 0.6829268292682927, 'recall': 0.6829268292682927, 'f1': 0.6829268292682927, 'number': 82}	{'precision': 0.8, 'recall': 0.8181818181818182, 'f1': 0.8089887640449439, 'number': 88}	{'precision': 0.8125, 'recall': 0.8125, 'f1': 0.8125, 'number': 16}	{'precision': 0.7741935483870968, 'recall': 0.9113924050632911, 'f1': 0.8372093023255814, 'number': 79}	{'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}	{'precision': 0.8571428571428571, 'recall': 0.7659574468085106, 'f1': 0.8089887640449439, 'number': 47}	{'precision': 0.46153846153846156, 'recall': 0.6666666666666666, 'f1': 0.5454545454545455, 'number': 9}	{'precision': 0.4444444444444444, 'recall': 0.5, 'f1': 0.47058823529411764, 'number': 8}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.7482	0.7665	0.7572	0.9522
0.2502	6.0	882	0.1755	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	{'precision': 0.7605633802816901, 'recall': 0.8571428571428571, 'f1': 0.8059701492537313, 'number': 63}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}	{'precision': 0.5555555555555556, 'recall': 0.7142857142857143, 'f1': 0.6250000000000001, 'number': 7}	{'precision': 0.42857142857142855, 'recall': 0.3, 'f1': 0.3529411764705882, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.42857142857142855, 'recall': 0.2903225806451613, 'f1': 0.34615384615384615, 'number': 31}	{'precision': 0.9, 'recall': 0.8333333333333334, 'f1': 0.8653846153846153, 'number': 54}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.7012987012987013, 'recall': 0.6585365853658537, 'f1': 0.6792452830188679, 'number': 82}	{'precision': 0.8297872340425532, 'recall': 0.8863636363636364, 'f1': 0.8571428571428571, 'number': 88}	{'precision': 0.9285714285714286, 'recall': 0.8125, 'f1': 0.8666666666666666, 'number': 16}	{'precision': 0.78125, 'recall': 0.9493670886075949, 'f1': 0.8571428571428572, 'number': 79}	{'precision': 0.85, 'recall': 1.0, 'f1': 0.9189189189189189, 'number': 17}	{'precision': 0.7884615384615384, 'recall': 0.8723404255319149, 'f1': 0.8282828282828283, 'number': 47}	{'precision': 0.5454545454545454, 'recall': 0.6666666666666666, 'f1': 0.6, 'number': 9}	{'precision': 0.3333333333333333, 'recall': 0.375, 'f1': 0.35294117647058826, 'number': 8}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.7573	0.7815	0.7692	0.9520
0.0592	7.0	1029	0.1870	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.8333333333333334, 'recall': 0.873015873015873, 'f1': 0.8527131782945736, 'number': 63}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}	{'precision': 0.3333333333333333, 'recall': 0.5714285714285714, 'f1': 0.4210526315789474, 'number': 7}	{'precision': 0.5, 'recall': 0.4, 'f1': 0.4444444444444445, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5789473684210527, 'recall': 0.3548387096774194, 'f1': 0.44000000000000006, 'number': 31}	{'precision': 0.9019607843137255, 'recall': 0.8518518518518519, 'f1': 0.8761904761904761, 'number': 54}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.7, 'recall': 0.6829268292682927, 'f1': 0.6913580246913581, 'number': 82}	{'precision': 0.8191489361702128, 'recall': 0.875, 'f1': 0.8461538461538463, 'number': 88}	{'precision': 0.75, 'recall': 0.75, 'f1': 0.75, 'number': 16}	{'precision': 0.7741935483870968, 'recall': 0.9113924050632911, 'f1': 0.8372093023255814, 'number': 79}	{'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}	{'precision': 0.8947368421052632, 'recall': 0.723404255319149, 'f1': 0.8, 'number': 47}	{'precision': 0.5, 'recall': 0.5555555555555556, 'f1': 0.5263157894736842, 'number': 9}	{'precision': 0.42857142857142855, 'recall': 0.375, 'f1': 0.39999999999999997, 'number': 8}	{'precision': 0.75, 'recall': 1.0, 'f1': 0.8571428571428571, 'number': 3}	0.7698	0.7684	0.7691	0.9533
0.0592	8.0	1176	0.2072	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.8153846153846154, 'recall': 0.8412698412698413, 'f1': 0.8281250000000001, 'number': 63}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}	{'precision': 0.45454545454545453, 'recall': 0.7142857142857143, 'f1': 0.5555555555555556, 'number': 7}	{'precision': 0.625, 'recall': 0.5, 'f1': 0.5555555555555556, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.6, 'recall': 0.3870967741935484, 'f1': 0.47058823529411764, 'number': 31}	{'precision': 0.9411764705882353, 'recall': 0.8888888888888888, 'f1': 0.9142857142857143, 'number': 54}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.6951219512195121, 'recall': 0.6951219512195121, 'f1': 0.6951219512195121, 'number': 82}	{'precision': 0.8404255319148937, 'recall': 0.8977272727272727, 'f1': 0.8681318681318682, 'number': 88}	{'precision': 0.9333333333333333, 'recall': 0.875, 'f1': 0.9032258064516129, 'number': 16}	{'precision': 0.7708333333333334, 'recall': 0.9367088607594937, 'f1': 0.8457142857142858, 'number': 79}	{'precision': 0.85, 'recall': 1.0, 'f1': 0.9189189189189189, 'number': 17}	{'precision': 0.82, 'recall': 0.8723404255319149, 'f1': 0.8453608247422681, 'number': 47}	{'precision': 0.5555555555555556, 'recall': 0.5555555555555556, 'f1': 0.5555555555555556, 'number': 9}	{'precision': 0.3333333333333333, 'recall': 0.375, 'f1': 0.35294117647058826, 'number': 8}	{'precision': 0.75, 'recall': 1.0, 'f1': 0.8571428571428571, 'number': 3}	0.7770	0.8004	0.7885	0.9554
0.0592	9.0	1323	0.2120	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.7887323943661971, 'recall': 0.8888888888888888, 'f1': 0.835820895522388, 'number': 63}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}	{'precision': 0.2727272727272727, 'recall': 0.42857142857142855, 'f1': 0.33333333333333326, 'number': 7}	{'precision': 0.625, 'recall': 0.5, 'f1': 0.5555555555555556, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.5789473684210527, 'recall': 0.3548387096774194, 'f1': 0.44000000000000006, 'number': 31}	{'precision': 0.8909090909090909, 'recall': 0.9074074074074074, 'f1': 0.8990825688073394, 'number': 54}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.6823529411764706, 'recall': 0.7073170731707317, 'f1': 0.6946107784431137, 'number': 82}	{'precision': 0.8571428571428571, 'recall': 0.8863636363636364, 'f1': 0.8715083798882681, 'number': 88}	{'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}	{'precision': 0.8390804597701149, 'recall': 0.9240506329113924, 'f1': 0.8795180722891567, 'number': 79}	{'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}	{'precision': 0.8292682926829268, 'recall': 0.723404255319149, 'f1': 0.7727272727272727, 'number': 47}	{'precision': 0.5454545454545454, 'recall': 0.6666666666666666, 'f1': 0.6, 'number': 9}	{'precision': 0.42857142857142855, 'recall': 0.375, 'f1': 0.39999999999999997, 'number': 8}	{'precision': 0.75, 'recall': 1.0, 'f1': 0.8571428571428571, 'number': 3}	0.7803	0.7891	0.7846	0.9556
0.0592	10.0	1470	0.2202	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 3}	{'precision': 0.7638888888888888, 'recall': 0.873015873015873, 'f1': 0.8148148148148149, 'number': 63}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 3}	{'precision': 0.2727272727272727, 'recall': 0.42857142857142855, 'f1': 0.33333333333333326, 'number': 7}	{'precision': 0.75, 'recall': 0.6, 'f1': 0.6666666666666665, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.631578947368421, 'recall': 0.3870967741935484, 'f1': 0.48000000000000004, 'number': 31}	{'precision': 0.8333333333333334, 'recall': 0.9259259259259259, 'f1': 0.8771929824561403, 'number': 54}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.6666666666666666, 'recall': 1.0, 'f1': 0.8, 'number': 2}	{'precision': 0.6818181818181818, 'recall': 0.7317073170731707, 'f1': 0.7058823529411764, 'number': 82}	{'precision': 0.8602150537634409, 'recall': 0.9090909090909091, 'f1': 0.8839779005524862, 'number': 88}	{'precision': 0.875, 'recall': 0.875, 'f1': 0.875, 'number': 16}	{'precision': 0.782608695652174, 'recall': 0.9113924050632911, 'f1': 0.8421052631578948, 'number': 79}	{'precision': 0.8947368421052632, 'recall': 1.0, 'f1': 0.9444444444444444, 'number': 17}	{'precision': 0.8409090909090909, 'recall': 0.7872340425531915, 'f1': 0.8131868131868133, 'number': 47}	{'precision': 0.6, 'recall': 0.6666666666666666, 'f1': 0.631578947368421, 'number': 9}	{'precision': 0.42857142857142855, 'recall': 0.375, 'f1': 0.39999999999999997, 'number': 8}	{'precision': 0.75, 'recall': 1.0, 'f1': 0.8571428571428571, 'number': 3}	0.7694	0.8041	0.7864	0.9553

Framework versions

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