Loss: 0.2517
Ho: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}
Hoảng thời gian: {'precision': 0.4583333333333333, 'recall': 0.6875, 'f1': 0.5499999999999999, 'number': 16}
Háng trừu tượng: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}
Hông tin ctt: {'precision': 0.8225806451612904, 'recall': 0.8095238095238095, 'f1': 0.8160000000000001, 'number': 63}
Hụ cấp: {'precision': 0.4230769230769231, 'recall': 0.5, 'f1': 0.4583333333333333, 'number': 22}
Hứ: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}
Iấy tờ: {'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}
Iền cụ thể: {'precision': 0.7653061224489796, 'recall': 0.8522727272727273, 'f1': 0.8064516129032258, 'number': 88}
Iền trừu tượng: {'precision': 0.4, 'recall': 0.45161290322580644, 'f1': 0.4242424242424243, 'number': 31}
Ã số thuế: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}
Ình thức làm việc: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}
Ông: {'precision': 0.35294117647058826, 'recall': 0.6, 'f1': 0.4444444444444445, 'number': 10}
Ương: {'precision': 0.5045871559633027, 'recall': 0.6707317073170732, 'f1': 0.5759162303664922, 'number': 82}
Ị trí: {'precision': 0.6176470588235294, 'recall': 0.7777777777777778, 'f1': 0.6885245901639345, 'number': 54}
Ố công: {'precision': 0.7592592592592593, 'recall': 0.7735849056603774, 'f1': 0.7663551401869159, 'number': 53}
Ố giờ: {'precision': 0.6111111111111112, 'recall': 1.0, 'f1': 0.7586206896551725, 'number': 22}
Ố điểm: {'precision': 0.7142857142857143, 'recall': 1.0, 'f1': 0.8333333333333333, 'number': 10}
Ố đơn: {'precision': 0.76, 'recall': 0.8260869565217391, 'f1': 0.7916666666666667, 'number': 23}
Ợt: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}
Ỷ lệ: {'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}
Overall Precision: 0.6265
Overall Recall: 0.7222
Overall F1: 0.6710
Overall Accuracy: 0.9355

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: 16
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
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	Ã 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	74	0.4448	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.3387096774193548, 'recall': 0.6666666666666666, 'f1': 0.44919786096256675, 'number': 63}	{'precision': 0.0625, 'recall': 0.13636363636363635, 'f1': 0.08571428571428572, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.4327485380116959, 'recall': 0.8409090909090909, 'f1': 0.5714285714285715, 'number': 88}	{'precision': 0.05714285714285714, 'recall': 0.06451612903225806, 'f1': 0.060606060606060615, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.1875, 'recall': 0.36585365853658536, 'f1': 0.2479338842975207, 'number': 82}	{'precision': 1.0, 'recall': 0.018518518518518517, 'f1': 0.03636363636363636, 'number': 54}	{'precision': 0.375, 'recall': 0.05660377358490566, 'f1': 0.09836065573770493, 'number': 53}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.2834	0.3075	0.2950	0.8759
No log	2.0	148	0.3091	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.2222222222222222, 'recall': 0.25, 'f1': 0.23529411764705882, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.7361111111111112, 'recall': 0.8412698412698413, 'f1': 0.7851851851851852, 'number': 63}	{'precision': 0.3076923076923077, 'recall': 0.36363636363636365, 'f1': 0.33333333333333337, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.6239316239316239, 'recall': 0.8295454545454546, 'f1': 0.7121951219512196, 'number': 88}	{'precision': 0.20689655172413793, 'recall': 0.3870967741935484, 'f1': 0.26966292134831465, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.37209302325581395, 'recall': 0.5853658536585366, 'f1': 0.4549763033175355, 'number': 82}	{'precision': 0.8108108108108109, 'recall': 0.5555555555555556, 'f1': 0.6593406593406594, 'number': 54}	{'precision': 0.5098039215686274, 'recall': 0.49056603773584906, 'f1': 0.5, 'number': 53}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.5	0.5040	0.5020	0.9125
No log	3.0	222	0.2713	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.30434782608695654, 'recall': 0.4375, 'f1': 0.358974358974359, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.7647058823529411, 'recall': 0.8253968253968254, 'f1': 0.7938931297709922, 'number': 63}	{'precision': 0.2727272727272727, 'recall': 0.4090909090909091, 'f1': 0.32727272727272727, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.6956521739130435, 'recall': 0.9090909090909091, 'f1': 0.7881773399014779, 'number': 88}	{'precision': 0.2641509433962264, 'recall': 0.45161290322580644, 'f1': 0.3333333333333333, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.47474747474747475, 'recall': 0.573170731707317, 'f1': 0.5193370165745855, 'number': 82}	{'precision': 0.5846153846153846, 'recall': 0.7037037037037037, 'f1': 0.638655462184874, 'number': 54}	{'precision': 0.66, 'recall': 0.6226415094339622, 'f1': 0.6407766990291262, 'number': 53}	{'precision': 0.625, 'recall': 0.22727272727272727, 'f1': 0.3333333333333333, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.7, 'recall': 0.30434782608695654, 'f1': 0.42424242424242425, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.5520	0.5794	0.5653	0.9242
No log	4.0	296	0.2492	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.3333333333333333, 'recall': 0.5625, 'f1': 0.4186046511627907, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.75, 'recall': 0.8571428571428571, 'f1': 0.7999999999999999, 'number': 63}	{'precision': 0.3448275862068966, 'recall': 0.45454545454545453, 'f1': 0.39215686274509803, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.6981132075471698, 'recall': 0.8409090909090909, 'f1': 0.7628865979381443, 'number': 88}	{'precision': 0.3888888888888889, 'recall': 0.45161290322580644, 'f1': 0.417910447761194, 'number': 31}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.2, 'recall': 0.1, 'f1': 0.13333333333333333, 'number': 10}	{'precision': 0.5, 'recall': 0.6097560975609756, 'f1': 0.5494505494505494, 'number': 82}	{'precision': 0.7450980392156863, 'recall': 0.7037037037037037, 'f1': 0.7238095238095239, 'number': 54}	{'precision': 0.8372093023255814, 'recall': 0.6792452830188679, 'f1': 0.7499999999999999, 'number': 53}	{'precision': 0.7083333333333334, 'recall': 0.7727272727272727, 'f1': 0.7391304347826088, 'number': 22}	{'precision': 1.0, 'recall': 0.1, 'f1': 0.18181818181818182, 'number': 10}	{'precision': 0.6470588235294118, 'recall': 0.4782608695652174, 'f1': 0.55, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 3}	0.6136	0.6270	0.6202	0.9365
No log	5.0	370	0.2382	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.36, 'recall': 0.5625, 'f1': 0.43902439024390244, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.7571428571428571, 'recall': 0.8412698412698413, 'f1': 0.7969924812030075, 'number': 63}	{'precision': 0.41379310344827586, 'recall': 0.5454545454545454, 'f1': 0.47058823529411764, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.7184466019417476, 'recall': 0.8409090909090909, 'f1': 0.7748691099476439, 'number': 88}	{'precision': 0.3870967741935484, 'recall': 0.3870967741935484, 'f1': 0.3870967741935484, 'number': 31}	{'precision': 0.5, 'recall': 0.5, 'f1': 0.5, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.2727272727272727, 'recall': 0.3, 'f1': 0.28571428571428564, 'number': 10}	{'precision': 0.5, 'recall': 0.6219512195121951, 'f1': 0.5543478260869564, 'number': 82}	{'precision': 0.6842105263157895, 'recall': 0.7222222222222222, 'f1': 0.7027027027027027, 'number': 54}	{'precision': 0.7916666666666666, 'recall': 0.7169811320754716, 'f1': 0.7524752475247525, 'number': 53}	{'precision': 0.8, 'recall': 0.9090909090909091, 'f1': 0.8510638297872342, 'number': 22}	{'precision': 1.0, 'recall': 0.8, 'f1': 0.888888888888889, 'number': 10}	{'precision': 0.75, 'recall': 0.6521739130434783, 'f1': 0.6976744186046512, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 0.6666666666666666, 'f1': 0.8, 'number': 3}	0.6299	0.6687	0.6487	0.9357
No log	6.0	444	0.2450	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.45454545454545453, 'recall': 0.625, 'f1': 0.5263157894736842, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.8387096774193549, 'recall': 0.8253968253968254, 'f1': 0.832, 'number': 63}	{'precision': 0.3793103448275862, 'recall': 0.5, 'f1': 0.4313725490196078, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.7755102040816326, 'recall': 0.8636363636363636, 'f1': 0.8172043010752688, 'number': 88}	{'precision': 0.3404255319148936, 'recall': 0.5161290322580645, 'f1': 0.41025641025641024, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.42857142857142855, 'recall': 0.6, 'f1': 0.5, 'number': 10}	{'precision': 0.49038461538461536, 'recall': 0.6219512195121951, 'f1': 0.5483870967741936, 'number': 82}	{'precision': 0.6896551724137931, 'recall': 0.7407407407407407, 'f1': 0.7142857142857143, 'number': 54}	{'precision': 0.7450980392156863, 'recall': 0.7169811320754716, 'f1': 0.7307692307692308, 'number': 53}	{'precision': 0.7307692307692307, 'recall': 0.8636363636363636, 'f1': 0.7916666666666666, 'number': 22}	{'precision': 0.7692307692307693, 'recall': 1.0, 'f1': 0.8695652173913044, 'number': 10}	{'precision': 0.8888888888888888, 'recall': 0.6956521739130435, 'f1': 0.7804878048780488, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.6352	0.6944	0.6635	0.9352
0.2682	7.0	518	0.2420	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.5, 'recall': 0.6875, 'f1': 0.5789473684210527, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.782608695652174, 'recall': 0.8571428571428571, 'f1': 0.8181818181818182, 'number': 63}	{'precision': 0.4444444444444444, 'recall': 0.5454545454545454, 'f1': 0.4897959183673469, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.7835051546391752, 'recall': 0.8636363636363636, 'f1': 0.8216216216216216, 'number': 88}	{'precision': 0.40425531914893614, 'recall': 0.6129032258064516, 'f1': 0.48717948717948717, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.4, 'recall': 0.6, 'f1': 0.48, 'number': 10}	{'precision': 0.49038461538461536, 'recall': 0.6219512195121951, 'f1': 0.5483870967741936, 'number': 82}	{'precision': 0.5846153846153846, 'recall': 0.7037037037037037, 'f1': 0.638655462184874, 'number': 54}	{'precision': 0.7454545454545455, 'recall': 0.7735849056603774, 'f1': 0.7592592592592593, 'number': 53}	{'precision': 0.5945945945945946, 'recall': 1.0, 'f1': 0.7457627118644068, 'number': 22}	{'precision': 0.7692307692307693, 'recall': 1.0, 'f1': 0.8695652173913044, 'number': 10}	{'precision': 0.76, 'recall': 0.8260869565217391, 'f1': 0.7916666666666667, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.6222	0.7222	0.6685	0.9353
0.2682	8.0	592	0.2448	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.4782608695652174, 'recall': 0.6875, 'f1': 0.5641025641025642, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.7846153846153846, 'recall': 0.8095238095238095, 'f1': 0.7968749999999999, 'number': 63}	{'precision': 0.4166666666666667, 'recall': 0.45454545454545453, 'f1': 0.43478260869565216, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.5, 'recall': 0.16666666666666666, 'f1': 0.25, 'number': 6}	{'precision': 0.7835051546391752, 'recall': 0.8636363636363636, 'f1': 0.8216216216216216, 'number': 88}	{'precision': 0.4411764705882353, 'recall': 0.4838709677419355, 'f1': 0.4615384615384615, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.4, 'recall': 0.6, 'f1': 0.48, 'number': 10}	{'precision': 0.5544554455445545, 'recall': 0.6829268292682927, 'f1': 0.6120218579234973, 'number': 82}	{'precision': 0.7192982456140351, 'recall': 0.7592592592592593, 'f1': 0.7387387387387387, 'number': 54}	{'precision': 0.75, 'recall': 0.7924528301886793, 'f1': 0.7706422018348623, 'number': 53}	{'precision': 0.6111111111111112, 'recall': 1.0, 'f1': 0.7586206896551725, 'number': 22}	{'precision': 0.9090909090909091, 'recall': 1.0, 'f1': 0.9523809523809523, 'number': 10}	{'precision': 0.84, 'recall': 0.9130434782608695, 'f1': 0.8749999999999999, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.6637	0.7282	0.6944	0.9387
0.2682	9.0	666	0.2501	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.4782608695652174, 'recall': 0.6875, 'f1': 0.5641025641025642, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.803030303030303, 'recall': 0.8412698412698413, 'f1': 0.8217054263565892, 'number': 63}	{'precision': 0.4444444444444444, 'recall': 0.5454545454545454, 'f1': 0.4897959183673469, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 0.5, 'recall': 0.16666666666666666, 'f1': 0.25, 'number': 6}	{'precision': 0.75, 'recall': 0.8522727272727273, 'f1': 0.7978723404255319, 'number': 88}	{'precision': 0.40476190476190477, 'recall': 0.5483870967741935, 'f1': 0.4657534246575342, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.4, 'recall': 0.6, 'f1': 0.48, 'number': 10}	{'precision': 0.4818181818181818, 'recall': 0.6463414634146342, 'f1': 0.5520833333333333, 'number': 82}	{'precision': 0.6557377049180327, 'recall': 0.7407407407407407, 'f1': 0.6956521739130433, 'number': 54}	{'precision': 0.75, 'recall': 0.7358490566037735, 'f1': 0.7428571428571428, 'number': 53}	{'precision': 0.5945945945945946, 'recall': 1.0, 'f1': 0.7457627118644068, 'number': 22}	{'precision': 0.7142857142857143, 'recall': 1.0, 'f1': 0.8333333333333333, 'number': 10}	{'precision': 0.76, 'recall': 0.8260869565217391, 'f1': 0.7916666666666667, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.6237	0.7202	0.6685	0.9357
0.2682	10.0	740	0.2517	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 7}	{'precision': 0.4583333333333333, 'recall': 0.6875, 'f1': 0.5499999999999999, 'number': 16}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 5}	{'precision': 0.8225806451612904, 'recall': 0.8095238095238095, 'f1': 0.8160000000000001, 'number': 63}	{'precision': 0.4230769230769231, 'recall': 0.5, 'f1': 0.4583333333333333, 'number': 22}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 0.3333333333333333, 'f1': 0.5, 'number': 6}	{'precision': 0.7653061224489796, 'recall': 0.8522727272727273, 'f1': 0.8064516129032258, 'number': 88}	{'precision': 0.4, 'recall': 0.45161290322580644, 'f1': 0.4242424242424243, 'number': 31}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 2}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.35294117647058826, 'recall': 0.6, 'f1': 0.4444444444444445, 'number': 10}	{'precision': 0.5045871559633027, 'recall': 0.6707317073170732, 'f1': 0.5759162303664922, 'number': 82}	{'precision': 0.6176470588235294, 'recall': 0.7777777777777778, 'f1': 0.6885245901639345, 'number': 54}	{'precision': 0.7592592592592593, 'recall': 0.7735849056603774, 'f1': 0.7663551401869159, 'number': 53}	{'precision': 0.6111111111111112, 'recall': 1.0, 'f1': 0.7586206896551725, 'number': 22}	{'precision': 0.7142857142857143, 'recall': 1.0, 'f1': 0.8333333333333333, 'number': 10}	{'precision': 0.76, 'recall': 0.8260869565217391, 'f1': 0.7916666666666667, 'number': 23}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	{'precision': 1.0, 'recall': 1.0, 'f1': 1.0, 'number': 3}	0.6265	0.7222	0.6710	0.9355

Framework versions

Transformers 4.46.3
Pytorch 2.5.1+cu124
Datasets 3.1.0
Tokenizers 0.20.3

Kudod/bert-base-ner-ghtk-ai-fluent-new-data-3090-30may-1

bert-base-ner-ghtk-ai-fluent-new-data-3090-30may-1

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Kudod/
bert-base-ner-ghtk-ai-fluent-new-data-3090-30may-1