Loss: 0.4289
cmt: {'precision': 0.7692307692307693, 'recall': 0.7142857142857143, 'f1': 0.7407407407407408, 'number': 14}
Tk: {'precision': 0.719626168224299, 'recall': 0.6637931034482759, 'f1': 0.6905829596412556, 'number': 116}
A: {'precision': 0.966183574879227, 'recall': 0.9569377990430622, 'f1': 0.9615384615384616, 'number': 418}
Gày: {'precision': 0.717948717948718, 'recall': 0.8484848484848485, 'f1': 0.7777777777777778, 'number': 33}
Gày trừu tượng: {'precision': 0.907725321888412, 'recall': 0.9057815845824411, 'f1': 0.9067524115755627, 'number': 467}
Gân hàng: {'precision': 0.8421052631578947, 'recall': 0.9142857142857143, 'f1': 0.8767123287671234, 'number': 35}
Hương thức thanh toán: {'precision': 1.0, 'recall': 0.9, 'f1': 0.9473684210526316, 'number': 30}
Hối lượng: {'precision': 0.4166666666666667, 'recall': 0.4166666666666667, 'f1': 0.4166666666666667, 'number': 12}
Iền: {'precision': 0.6521739130434783, 'recall': 0.7692307692307693, 'f1': 0.7058823529411764, 'number': 39}
Iờ: {'precision': 0.6585365853658537, 'recall': 0.7105263157894737, 'f1': 0.6835443037974684, 'number': 38}
Mail: {'precision': 0.9238754325259516, 'recall': 0.9081632653061225, 'f1': 0.9159519725557461, 'number': 294}
Ã đơn: {'precision': 0.7880184331797235, 'recall': 0.8592964824120602, 'f1': 0.8221153846153846, 'number': 199}
Ên người: {'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 30}
Đt: {'precision': 0.8967334035827187, 'recall': 0.969248291571754, 'f1': 0.9315818281335522, 'number': 878}
Đt trừu tượng: {'precision': 0.7833333333333333, 'recall': 0.8785046728971962, 'f1': 0.8281938325991189, 'number': 214}
Ơn vị đo: {'precision': 0.6, 'recall': 0.42857142857142855, 'f1': 0.5, 'number': 28}
Ản phẩm cụ thể: {'precision': 0.8444444444444444, 'recall': 0.6031746031746031, 'f1': 0.7037037037037037, 'number': 126}
Ản phẩm trừu tượng: {'precision': 0.6153846153846154, 'recall': 0.5853658536585366, 'f1': 0.6, 'number': 41}
Ịa chỉ cụ thể: {'precision': 0.4782608695652174, 'recall': 0.29333333333333333, 'f1': 0.36363636363636365, 'number': 75}
Ịa chỉ trừu tượng: {'precision': 0.8032786885245902, 'recall': 0.6533333333333333, 'f1': 0.7205882352941175, 'number': 75}
Overall Precision: 0.8602
Overall Recall: 0.8662
Overall F1: 0.8632
Overall Accuracy: 0.9413

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: 4
eval_batch_size: 4
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	cmt	Tk	A	Gày	Gày trừu tượng	Gân hàng	Hương thức thanh toán	Hối lượng	Iền	Iờ	Mail	Ã đơn	Ên người	Đt	Đt trừu tượng	Ơn vị đo	Ản phẩm cụ thể	Ản phẩm trừu tượng	Ịa chỉ cụ thể	Ịa chỉ trừu tượng	Overall Precision	Overall Recall	Overall F1	Overall Accuracy
0.3082	1.0	1470	0.3283	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 116}	{'precision': 0.9348837209302325, 'recall': 0.9617224880382775, 'f1': 0.9481132075471698, 'number': 418}	{'precision': 0.46808510638297873, 'recall': 0.6666666666666666, 'f1': 0.55, 'number': 33}	{'precision': 0.8784403669724771, 'recall': 0.8201284796573876, 'f1': 0.84828349944629, 'number': 467}	{'precision': 0.6666666666666666, 'recall': 0.11428571428571428, 'f1': 0.19512195121951217, 'number': 35}	{'precision': 0.7666666666666667, 'recall': 0.7666666666666667, 'f1': 0.7666666666666667, 'number': 30}	{'precision': 0.3333333333333333, 'recall': 0.5833333333333334, 'f1': 0.4242424242424242, 'number': 12}	{'precision': 0.576271186440678, 'recall': 0.8717948717948718, 'f1': 0.6938775510204083, 'number': 39}	{'precision': 0.5423728813559322, 'recall': 0.8421052631578947, 'f1': 0.6597938144329897, 'number': 38}	{'precision': 0.8768768768768769, 'recall': 0.9931972789115646, 'f1': 0.9314194577352471, 'number': 294}	{'precision': 0.8156424581005587, 'recall': 0.7336683417085427, 'f1': 0.7724867724867726, 'number': 199}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 30}	{'precision': 0.7648114901256733, 'recall': 0.9703872437357631, 'f1': 0.8554216867469879, 'number': 878}	{'precision': 0.8860759493670886, 'recall': 0.6542056074766355, 'f1': 0.7526881720430108, 'number': 214}	{'precision': 0.48, 'recall': 0.42857142857142855, 'f1': 0.4528301886792452, 'number': 28}	{'precision': 0.8269230769230769, 'recall': 0.3412698412698413, 'f1': 0.4831460674157304, 'number': 126}	{'precision': 0.5, 'recall': 0.4878048780487805, 'f1': 0.49382716049382713, 'number': 41}	{'precision': 0.3125, 'recall': 0.06666666666666667, 'f1': 0.10989010989010989, 'number': 75}	{'precision': 0.8695652173913043, 'recall': 0.5333333333333333, 'f1': 0.6611570247933884, 'number': 75}	0.8027	0.7770	0.7897	0.9078
0.1972	2.0	2940	0.2709	{'precision': 0.6, 'recall': 0.42857142857142855, 'f1': 0.5, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 116}	{'precision': 0.947242206235012, 'recall': 0.9449760765550239, 'f1': 0.9461077844311376, 'number': 418}	{'precision': 0.7575757575757576, 'recall': 0.7575757575757576, 'f1': 0.7575757575757576, 'number': 33}	{'precision': 0.9547872340425532, 'recall': 0.7687366167023555, 'f1': 0.8517200474495847, 'number': 467}	{'precision': 0.7586206896551724, 'recall': 0.6285714285714286, 'f1': 0.6875, 'number': 35}	{'precision': 0.8, 'recall': 0.8, 'f1': 0.8000000000000002, 'number': 30}	{'precision': 0.8, 'recall': 0.3333333333333333, 'f1': 0.47058823529411764, 'number': 12}	{'precision': 0.6842105263157895, 'recall': 0.3333333333333333, 'f1': 0.44827586206896547, 'number': 39}	{'precision': 0.559322033898305, 'recall': 0.868421052631579, 'f1': 0.6804123711340205, 'number': 38}	{'precision': 0.9953488372093023, 'recall': 0.7278911564625851, 'f1': 0.8408644400785855, 'number': 294}	{'precision': 0.5486725663716814, 'recall': 0.9346733668341709, 'f1': 0.6914498141263941, 'number': 199}	{'precision': 0.55, 'recall': 0.36666666666666664, 'f1': 0.43999999999999995, 'number': 30}	{'precision': 0.7789757412398922, 'recall': 0.9874715261958997, 'f1': 0.8709191361125063, 'number': 878}	{'precision': 0.7049808429118773, 'recall': 0.8598130841121495, 'f1': 0.7747368421052632, 'number': 214}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 0.9318181818181818, 'recall': 0.3253968253968254, 'f1': 0.4823529411764706, 'number': 126}	{'precision': 0.6538461538461539, 'recall': 0.4146341463414634, 'f1': 0.5074626865671641, 'number': 41}	{'precision': 0.2542372881355932, 'recall': 0.2, 'f1': 0.22388059701492538, 'number': 75}	{'precision': 0.8723404255319149, 'recall': 0.5466666666666666, 'f1': 0.6721311475409836, 'number': 75}	0.7921	0.7770	0.7845	0.9055
0.1412	3.0	4410	0.2557	{'precision': 0.6875, 'recall': 0.7857142857142857, 'f1': 0.7333333333333334, 'number': 14}	{'precision': 0.6746987951807228, 'recall': 0.4827586206896552, 'f1': 0.5628140703517588, 'number': 116}	{'precision': 0.9448441247002398, 'recall': 0.9425837320574163, 'f1': 0.9437125748502994, 'number': 418}	{'precision': 0.575, 'recall': 0.696969696969697, 'f1': 0.6301369863013698, 'number': 33}	{'precision': 0.9113082039911308, 'recall': 0.880085653104925, 'f1': 0.8954248366013071, 'number': 467}	{'precision': 0.7647058823529411, 'recall': 0.37142857142857144, 'f1': 0.5, 'number': 35}	{'precision': 0.8928571428571429, 'recall': 0.8333333333333334, 'f1': 0.8620689655172413, 'number': 30}	{'precision': 0.3333333333333333, 'recall': 0.16666666666666666, 'f1': 0.2222222222222222, 'number': 12}	{'precision': 0.7058823529411765, 'recall': 0.6153846153846154, 'f1': 0.6575342465753424, 'number': 39}	{'precision': 0.75, 'recall': 0.47368421052631576, 'f1': 0.5806451612903226, 'number': 38}	{'precision': 0.9050632911392406, 'recall': 0.9727891156462585, 'f1': 0.9377049180327869, 'number': 294}	{'precision': 0.7960199004975125, 'recall': 0.8040201005025126, 'f1': 0.8, 'number': 199}	{'precision': 0.7142857142857143, 'recall': 0.16666666666666666, 'f1': 0.2702702702702703, 'number': 30}	{'precision': 0.8578528827037774, 'recall': 0.9829157175398633, 'f1': 0.9161358811040339, 'number': 878}	{'precision': 0.8781725888324873, 'recall': 0.8084112149532711, 'f1': 0.8418491484184916, 'number': 214}	{'precision': 0.7142857142857143, 'recall': 0.35714285714285715, 'f1': 0.4761904761904762, 'number': 28}	{'precision': 0.7951807228915663, 'recall': 0.5238095238095238, 'f1': 0.6315789473684211, 'number': 126}	{'precision': 0.5294117647058824, 'recall': 0.21951219512195122, 'f1': 0.3103448275862069, 'number': 41}	{'precision': 0.24, 'recall': 0.16, 'f1': 0.19199999999999998, 'number': 75}	{'precision': 0.8367346938775511, 'recall': 0.5466666666666666, 'f1': 0.6612903225806451, 'number': 75}	0.8514	0.8229	0.8369	0.9273
0.1114	4.0	5880	0.2738	{'precision': 0.7692307692307693, 'recall': 0.7142857142857143, 'f1': 0.7407407407407408, 'number': 14}	{'precision': 0.6538461538461539, 'recall': 0.29310344827586204, 'f1': 0.40476190476190477, 'number': 116}	{'precision': 0.9814323607427056, 'recall': 0.8851674641148325, 'f1': 0.930817610062893, 'number': 418}	{'precision': 0.6136363636363636, 'recall': 0.8181818181818182, 'f1': 0.7012987012987013, 'number': 33}	{'precision': 0.9361702127659575, 'recall': 0.8479657387580299, 'f1': 0.8898876404494381, 'number': 467}	{'precision': 0.8709677419354839, 'recall': 0.7714285714285715, 'f1': 0.8181818181818182, 'number': 35}	{'precision': 0.9629629629629629, 'recall': 0.8666666666666667, 'f1': 0.912280701754386, 'number': 30}	{'precision': 0.6, 'recall': 0.25, 'f1': 0.35294117647058826, 'number': 12}	{'precision': 0.6037735849056604, 'recall': 0.8205128205128205, 'f1': 0.6956521739130435, 'number': 39}	{'precision': 0.6428571428571429, 'recall': 0.47368421052631576, 'f1': 0.5454545454545454, 'number': 38}	{'precision': 0.9037267080745341, 'recall': 0.9897959183673469, 'f1': 0.9448051948051949, 'number': 294}	{'precision': 0.7741935483870968, 'recall': 0.8442211055276382, 'f1': 0.8076923076923078, 'number': 199}	{'precision': 0.6296296296296297, 'recall': 0.5666666666666667, 'f1': 0.5964912280701755, 'number': 30}	{'precision': 0.8612774451097804, 'recall': 0.9829157175398633, 'f1': 0.9180851063829787, 'number': 878}	{'precision': 0.7723577235772358, 'recall': 0.8878504672897196, 'f1': 0.826086956521739, 'number': 214}	{'precision': 0.6666666666666666, 'recall': 0.2857142857142857, 'f1': 0.4, 'number': 28}	{'precision': 0.92, 'recall': 0.36507936507936506, 'f1': 0.5227272727272727, 'number': 126}	{'precision': 0.6857142857142857, 'recall': 0.5853658536585366, 'f1': 0.6315789473684211, 'number': 41}	{'precision': 0.3404255319148936, 'recall': 0.21333333333333335, 'f1': 0.26229508196721313, 'number': 75}	{'precision': 0.7377049180327869, 'recall': 0.6, 'f1': 0.6617647058823529, 'number': 75}	0.8499	0.8257	0.8377	0.9304
0.095	5.0	7350	0.2952	{'precision': 0.7857142857142857, 'recall': 0.7857142857142857, 'f1': 0.7857142857142857, 'number': 14}	{'precision': 0.6607142857142857, 'recall': 0.6379310344827587, 'f1': 0.6491228070175439, 'number': 116}	{'precision': 0.9706601466992665, 'recall': 0.9497607655502392, 'f1': 0.9600967351874243, 'number': 418}	{'precision': 0.6086956521739131, 'recall': 0.8484848484848485, 'f1': 0.7088607594936709, 'number': 33}	{'precision': 0.888421052631579, 'recall': 0.9036402569593148, 'f1': 0.8959660297239916, 'number': 467}	{'precision': 0.8484848484848485, 'recall': 0.8, 'f1': 0.823529411764706, 'number': 35}	{'precision': 0.8275862068965517, 'recall': 0.8, 'f1': 0.8135593220338982, 'number': 30}	{'precision': 0.6666666666666666, 'recall': 0.5, 'f1': 0.5714285714285715, 'number': 12}	{'precision': 0.6481481481481481, 'recall': 0.8974358974358975, 'f1': 0.7526881720430108, 'number': 39}	{'precision': 0.62, 'recall': 0.8157894736842105, 'f1': 0.7045454545454546, 'number': 38}	{'precision': 0.8882175226586103, 'recall': 1.0, 'f1': 0.9408000000000001, 'number': 294}	{'precision': 0.8421052631578947, 'recall': 0.8040201005025126, 'f1': 0.8226221079691517, 'number': 199}	{'precision': 0.6296296296296297, 'recall': 0.5666666666666667, 'f1': 0.5964912280701755, 'number': 30}	{'precision': 0.8619329388560157, 'recall': 0.9954441913439636, 'f1': 0.9238900634249472, 'number': 878}	{'precision': 0.8280542986425339, 'recall': 0.8551401869158879, 'f1': 0.8413793103448276, 'number': 214}	{'precision': 0.625, 'recall': 0.7142857142857143, 'f1': 0.6666666666666666, 'number': 28}	{'precision': 0.8681318681318682, 'recall': 0.626984126984127, 'f1': 0.728110599078341, 'number': 126}	{'precision': 0.6857142857142857, 'recall': 0.5853658536585366, 'f1': 0.6315789473684211, 'number': 41}	{'precision': 0.5853658536585366, 'recall': 0.32, 'f1': 0.4137931034482759, 'number': 75}	{'precision': 0.8148148148148148, 'recall': 0.5866666666666667, 'f1': 0.6821705426356589, 'number': 75}	0.8494	0.8776	0.8633	0.9383
0.0714	6.0	8820	0.3380	{'precision': 0.625, 'recall': 0.7142857142857143, 'f1': 0.6666666666666666, 'number': 14}	{'precision': 0.7051282051282052, 'recall': 0.47413793103448276, 'f1': 0.5670103092783506, 'number': 116}	{'precision': 0.9661016949152542, 'recall': 0.9545454545454546, 'f1': 0.9602888086642599, 'number': 418}	{'precision': 0.627906976744186, 'recall': 0.8181818181818182, 'f1': 0.7105263157894738, 'number': 33}	{'precision': 0.9079229122055674, 'recall': 0.9079229122055674, 'f1': 0.9079229122055675, 'number': 467}	{'precision': 0.8378378378378378, 'recall': 0.8857142857142857, 'f1': 0.8611111111111112, 'number': 35}	{'precision': 1.0, 'recall': 0.9, 'f1': 0.9473684210526316, 'number': 30}	{'precision': 0.6, 'recall': 0.5, 'f1': 0.5454545454545454, 'number': 12}	{'precision': 0.6458333333333334, 'recall': 0.7948717948717948, 'f1': 0.7126436781609194, 'number': 39}	{'precision': 0.7777777777777778, 'recall': 0.7368421052631579, 'f1': 0.7567567567567567, 'number': 38}	{'precision': 0.9530201342281879, 'recall': 0.9659863945578231, 'f1': 0.9594594594594594, 'number': 294}	{'precision': 0.8298969072164949, 'recall': 0.8090452261306532, 'f1': 0.8193384223918575, 'number': 199}	{'precision': 0.6666666666666666, 'recall': 0.4666666666666667, 'f1': 0.5490196078431373, 'number': 30}	{'precision': 0.8490196078431372, 'recall': 0.9863325740318907, 'f1': 0.9125395152792414, 'number': 878}	{'precision': 0.8078602620087336, 'recall': 0.8644859813084113, 'f1': 0.8352144469525961, 'number': 214}	{'precision': 0.5882352941176471, 'recall': 0.7142857142857143, 'f1': 0.6451612903225806, 'number': 28}	{'precision': 0.8591549295774648, 'recall': 0.48412698412698413, 'f1': 0.6192893401015228, 'number': 126}	{'precision': 0.6388888888888888, 'recall': 0.5609756097560976, 'f1': 0.5974025974025975, 'number': 41}	{'precision': 0.5116279069767442, 'recall': 0.29333333333333333, 'f1': 0.37288135593220345, 'number': 75}	{'precision': 0.8113207547169812, 'recall': 0.5733333333333334, 'f1': 0.6718750000000001, 'number': 75}	0.8560	0.8593	0.8576	0.9396
0.0464	7.0	10290	0.3596	{'precision': 0.8461538461538461, 'recall': 0.7857142857142857, 'f1': 0.8148148148148148, 'number': 14}	{'precision': 0.6013071895424836, 'recall': 0.7931034482758621, 'f1': 0.6840148698884757, 'number': 116}	{'precision': 0.9679012345679012, 'recall': 0.937799043062201, 'f1': 0.9526123936816525, 'number': 418}	{'precision': 0.675, 'recall': 0.8181818181818182, 'f1': 0.7397260273972603, 'number': 33}	{'precision': 0.921875, 'recall': 0.8843683083511777, 'f1': 0.9027322404371585, 'number': 467}	{'precision': 0.8611111111111112, 'recall': 0.8857142857142857, 'f1': 0.8732394366197184, 'number': 35}	{'precision': 0.9, 'recall': 0.9, 'f1': 0.9, 'number': 30}	{'precision': 0.6, 'recall': 0.5, 'f1': 0.5454545454545454, 'number': 12}	{'precision': 0.7111111111111111, 'recall': 0.8205128205128205, 'f1': 0.7619047619047619, 'number': 39}	{'precision': 0.7, 'recall': 0.7368421052631579, 'f1': 0.717948717948718, 'number': 38}	{'precision': 0.9678571428571429, 'recall': 0.9217687074829932, 'f1': 0.9442508710801394, 'number': 294}	{'precision': 0.7553648068669528, 'recall': 0.8844221105527639, 'f1': 0.814814814814815, 'number': 199}	{'precision': 0.6060606060606061, 'recall': 0.6666666666666666, 'f1': 0.6349206349206349, 'number': 30}	{'precision': 0.883130081300813, 'recall': 0.989749430523918, 'f1': 0.9334049409237379, 'number': 878}	{'precision': 0.8059071729957806, 'recall': 0.8925233644859814, 'f1': 0.8470066518847007, 'number': 214}	{'precision': 0.7391304347826086, 'recall': 0.6071428571428571, 'f1': 0.6666666666666666, 'number': 28}	{'precision': 0.8555555555555555, 'recall': 0.6111111111111112, 'f1': 0.7129629629629629, 'number': 126}	{'precision': 0.56, 'recall': 0.6829268292682927, 'f1': 0.6153846153846154, 'number': 41}	{'precision': 0.4666666666666667, 'recall': 0.28, 'f1': 0.35000000000000003, 'number': 75}	{'precision': 0.6666666666666666, 'recall': 0.5866666666666667, 'f1': 0.6241134751773049, 'number': 75}	0.8504	0.8770	0.8635	0.9385
0.0297	8.0	11760	0.3870	{'precision': 0.8181818181818182, 'recall': 0.6428571428571429, 'f1': 0.7200000000000001, 'number': 14}	{'precision': 0.6699029126213593, 'recall': 0.5948275862068966, 'f1': 0.6301369863013699, 'number': 116}	{'precision': 0.9656019656019657, 'recall': 0.9401913875598086, 'f1': 0.9527272727272728, 'number': 418}	{'precision': 0.6428571428571429, 'recall': 0.8181818181818182, 'f1': 0.7200000000000001, 'number': 33}	{'precision': 0.9308035714285714, 'recall': 0.892933618843683, 'f1': 0.9114754098360656, 'number': 467}	{'precision': 0.8823529411764706, 'recall': 0.8571428571428571, 'f1': 0.8695652173913043, 'number': 35}	{'precision': 1.0, 'recall': 0.8666666666666667, 'f1': 0.9285714285714286, 'number': 30}	{'precision': 0.625, 'recall': 0.4166666666666667, 'f1': 0.5, 'number': 12}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 39}	{'precision': 0.6923076923076923, 'recall': 0.7105263157894737, 'f1': 0.7012987012987013, 'number': 38}	{'precision': 0.930921052631579, 'recall': 0.9625850340136054, 'f1': 0.9464882943143813, 'number': 294}	{'precision': 0.8407960199004975, 'recall': 0.8492462311557789, 'f1': 0.845, 'number': 199}	{'precision': 0.6666666666666666, 'recall': 0.6, 'f1': 0.631578947368421, 'number': 30}	{'precision': 0.89798087141339, 'recall': 0.9624145785876993, 'f1': 0.9290819131390874, 'number': 878}	{'precision': 0.7883817427385892, 'recall': 0.8878504672897196, 'f1': 0.8351648351648352, 'number': 214}	{'precision': 0.7333333333333333, 'recall': 0.39285714285714285, 'f1': 0.5116279069767441, 'number': 28}	{'precision': 0.8604651162790697, 'recall': 0.5873015873015873, 'f1': 0.6981132075471699, 'number': 126}	{'precision': 0.7272727272727273, 'recall': 0.5853658536585366, 'f1': 0.6486486486486487, 'number': 41}	{'precision': 0.46511627906976744, 'recall': 0.26666666666666666, 'f1': 0.3389830508474576, 'number': 75}	{'precision': 0.7894736842105263, 'recall': 0.6, 'f1': 0.6818181818181819, 'number': 75}	0.8721	0.8564	0.8642	0.9391
0.0165	9.0	13230	0.3983	{'precision': 0.7692307692307693, 'recall': 0.7142857142857143, 'f1': 0.7407407407407408, 'number': 14}	{'precision': 0.7171717171717171, 'recall': 0.6120689655172413, 'f1': 0.6604651162790697, 'number': 116}	{'precision': 0.9641148325358851, 'recall': 0.9641148325358851, 'f1': 0.9641148325358851, 'number': 418}	{'precision': 0.6923076923076923, 'recall': 0.8181818181818182, 'f1': 0.7500000000000001, 'number': 33}	{'precision': 0.8976545842217484, 'recall': 0.9014989293361885, 'f1': 0.8995726495726496, 'number': 467}	{'precision': 0.8378378378378378, 'recall': 0.8857142857142857, 'f1': 0.8611111111111112, 'number': 35}	{'precision': 0.9615384615384616, 'recall': 0.8333333333333334, 'f1': 0.8928571428571429, 'number': 30}	{'precision': 0.5, 'recall': 0.4166666666666667, 'f1': 0.45454545454545453, 'number': 12}	{'precision': 0.673469387755102, 'recall': 0.8461538461538461, 'f1': 0.75, 'number': 39}	{'precision': 0.6585365853658537, 'recall': 0.7105263157894737, 'f1': 0.6835443037974684, 'number': 38}	{'precision': 0.9241379310344827, 'recall': 0.9115646258503401, 'f1': 0.9178082191780822, 'number': 294}	{'precision': 0.786046511627907, 'recall': 0.8492462311557789, 'f1': 0.8164251207729469, 'number': 199}	{'precision': 0.6363636363636364, 'recall': 0.7, 'f1': 0.6666666666666666, 'number': 30}	{'precision': 0.8952380952380953, 'recall': 0.9635535307517085, 'f1': 0.9281404278661548, 'number': 878}	{'precision': 0.7833333333333333, 'recall': 0.8785046728971962, 'f1': 0.8281938325991189, 'number': 214}	{'precision': 0.7333333333333333, 'recall': 0.39285714285714285, 'f1': 0.5116279069767441, 'number': 28}	{'precision': 0.8571428571428571, 'recall': 0.6190476190476191, 'f1': 0.7188940092165899, 'number': 126}	{'precision': 0.631578947368421, 'recall': 0.5853658536585366, 'f1': 0.6075949367088608, 'number': 41}	{'precision': 0.46, 'recall': 0.30666666666666664, 'f1': 0.36800000000000005, 'number': 75}	{'precision': 0.7833333333333333, 'recall': 0.6266666666666667, 'f1': 0.6962962962962963, 'number': 75}	0.8584	0.8627	0.8606	0.9401
0.0084	10.0	14700	0.4289	{'precision': 0.7692307692307693, 'recall': 0.7142857142857143, 'f1': 0.7407407407407408, 'number': 14}	{'precision': 0.719626168224299, 'recall': 0.6637931034482759, 'f1': 0.6905829596412556, 'number': 116}	{'precision': 0.966183574879227, 'recall': 0.9569377990430622, 'f1': 0.9615384615384616, 'number': 418}	{'precision': 0.717948717948718, 'recall': 0.8484848484848485, 'f1': 0.7777777777777778, 'number': 33}	{'precision': 0.907725321888412, 'recall': 0.9057815845824411, 'f1': 0.9067524115755627, 'number': 467}	{'precision': 0.8421052631578947, 'recall': 0.9142857142857143, 'f1': 0.8767123287671234, 'number': 35}	{'precision': 1.0, 'recall': 0.9, 'f1': 0.9473684210526316, 'number': 30}	{'precision': 0.4166666666666667, 'recall': 0.4166666666666667, 'f1': 0.4166666666666667, 'number': 12}	{'precision': 0.6521739130434783, 'recall': 0.7692307692307693, 'f1': 0.7058823529411764, 'number': 39}	{'precision': 0.6585365853658537, 'recall': 0.7105263157894737, 'f1': 0.6835443037974684, 'number': 38}	{'precision': 0.9238754325259516, 'recall': 0.9081632653061225, 'f1': 0.9159519725557461, 'number': 294}	{'precision': 0.7880184331797235, 'recall': 0.8592964824120602, 'f1': 0.8221153846153846, 'number': 199}	{'precision': 0.6666666666666666, 'recall': 0.6666666666666666, 'f1': 0.6666666666666666, 'number': 30}	{'precision': 0.8967334035827187, 'recall': 0.969248291571754, 'f1': 0.9315818281335522, 'number': 878}	{'precision': 0.7833333333333333, 'recall': 0.8785046728971962, 'f1': 0.8281938325991189, 'number': 214}	{'precision': 0.6, 'recall': 0.42857142857142855, 'f1': 0.5, 'number': 28}	{'precision': 0.8444444444444444, 'recall': 0.6031746031746031, 'f1': 0.7037037037037037, 'number': 126}	{'precision': 0.6153846153846154, 'recall': 0.5853658536585366, 'f1': 0.6, 'number': 41}	{'precision': 0.4782608695652174, 'recall': 0.29333333333333333, 'f1': 0.36363636363636365, 'number': 75}	{'precision': 0.8032786885245902, 'recall': 0.6533333333333333, 'f1': 0.7205882352941175, 'number': 75}	0.8602	0.8662	0.8632	0.9413

Framework versions

Transformers 4.40.2
Pytorch 2.3.1+cu121
Datasets 2.19.1
Tokenizers 0.19.1

Kudod/roberta-large-finetuned-ner-ghtk-cs-3090-27July-3

roberta-large-finetuned-ner-ghtk-cs-3090-27July-3

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Kudod/
roberta-large-finetuned-ner-ghtk-cs-3090-27July-3