metadata
license: mit
base_model: urduhack/roberta-urdu-small
tags:
- generated_from_trainer
datasets:
- wikiann
model-index:
- name: UrduNER
results: []
widget:
- text: ون ڈے رینکنگ میں پاکستان پہلے نمبر پر ہے۔
example_title: Sentence_1
- text: >-
کراچی کا پورٹ فاؤنٹین پوری قوت سے کام کرتے ہوئے 620 فٹ کی بلندی تک پہنچ
جاتا ہے۔ یہ کراچی کے قریب واقع اویسٹر راکس کے قریب واقع ہے۔
example_title: Sentence_2
- text: >-
علی عثمان طحہ (جس کا ترجمہ 'عثمان' یا 'عثمان' بھی ہے) 1998 سے اب تک سوڈان
کے پہلے نائب صدر رہے ہیں۔ وہ نائب صدر بننے سے پہلے تین سال تک ملک کے وزیر
خارجہ تھے اور نیشنل کانگریس پارٹی (سوڈان) کے رکن ہیں۔ طحہ یونیورسٹی آف
خرطوم میں قانون کی فیکلٹی سے فارغ التحصیل ہیں اور اپنی علمی قابلیت کے لیے
مشہور تھے۔ اس کے بعد انہوں نے ایک پرائیویٹ لاء پریکٹس قائم کی اور پھر 80
کی دہائی میں سوڈان کی پارلیمنٹ کے ممبر کی حیثیت سے جج کے عہدے پر فائز ہونے
سے پہلے سیاست میں قدم رکھا۔ طحہ اور جان گارانگ کو سوڈان کے جامع امن معاہدے
کے شریک معمار ہونے کا اعزاز دیا جاتا ہے جس نے 9 جنوری 2005 کو افریقہ کی
طویل ترین خانہ جنگی کا خاتمہ کیا۔ وزیر اعظم احمد نظیف کی طرف سے مصری فریق
اور دونوں ممالک کے وزراء شامل ہیں اور اس کا مقصد دونوں ممالک کے درمیان
تعاون کو موثر بنانا ہے۔
example_title: Sentence_3
language:
- ur
metrics:
- seqeval
UrduNER
This model is a fine-tuned version of urduhack/roberta-urdu-small on the wikiann dataset. It achieves the following results on the evaluation set:
- Loss: 0.1163
- Overall Precision: 0.9540
- Overall Recall: 0.9553
- Overall F1: 0.9546
- Overall Accuracy: 0.9836
- Loc F1: 0.9643
- Org F1: 0.9448
- Per F1: 0.9491
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: 7
Training results
| Training Loss | Epoch | Step | Validation Loss | Overall Precision | Overall Recall | Overall F1 | Overall Accuracy | Loc F1 | Org F1 | Per F1 |
|---|---|---|---|---|---|---|---|---|---|---|
| 0.248 | 1.0 | 1250 | 0.0920 | 0.8906 | 0.8991 | 0.8948 | 0.9687 | 0.9086 | 0.8686 | 0.8995 |
| 0.1169 | 2.0 | 2500 | 0.0761 | 0.9302 | 0.9390 | 0.9346 | 0.9791 | 0.9501 | 0.9045 | 0.9400 |
| 0.07 | 3.0 | 3750 | 0.0831 | 0.9394 | 0.9451 | 0.9422 | 0.9805 | 0.9505 | 0.9348 | 0.9361 |
| 0.029 | 4.0 | 5000 | 0.1102 | 0.9311 | 0.9431 | 0.9371 | 0.9784 | 0.9469 | 0.9305 | 0.9279 |
| 0.0134 | 5.0 | 6250 | 0.1225 | 0.9442 | 0.9519 | 0.9480 | 0.9820 | 0.9593 | 0.9438 | 0.9337 |
| 0.0107 | 6.0 | 7500 | 0.1087 | 0.9515 | 0.9566 | 0.9541 | 0.9837 | 0.9660 | 0.9423 | 0.9466 |
| 0.005 | 7.0 | 8750 | 0.1163 | 0.9540 | 0.9553 | 0.9546 | 0.9836 | 0.9643 | 0.9448 | 0.9491 |
Framework versions
- Transformers 4.32.0
- Pytorch 2.0.1+cu118
- Datasets 2.14.4
- Tokenizers 0.13.3