El modelo base bert-base-cased es una versión pre-entrenada del popular modelo de lenguaje BERT de Google. Inicialmente fue entrenado en grandes cantidades de texto para aprender representaciones densas de palabras y secuencias. Posteriormente, este modelo toma la arquitectura y pesos pre-entrenados de bert-base-cased y los ajusta aún más en la tarea específica de Reconocimiento de Entidades Nombradas (NER por sus siglas en inglés) utilizando el conjunto de datos conll2002.

How to Use

python

from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline

tokenizer = AutoTokenizer.from_pretrained("JoshuaAAX/bert-finetuned-ner")
model = AutoModelForTokenClassification.from_pretrained("JoshuaAAX/bert-finetuned-ner")

text = "La Federación nacional de cafeteros de Colombia es una entidad del estado. El primer presidente el Dr Augusto Guerra contó con el aval de la Asociación Colombiana de Aviación."

ner_pipeline= pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy="max")
ner_pipeline(text)

Training data

Abbreviation	Description
O	Outside of NE
PER	Person’s name
ORG	Organization
LOC	Location
MISC	Miscellaneous

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: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.1713	1.0	521	0.1404	0.6859	0.7387	0.7114	0.9599
0.0761	2.0	1042	0.1404	0.6822	0.7693	0.7231	0.9623
0.05	3.0	1563	0.1304	0.7488	0.7937	0.7706	0.9672
0.0355	4.0	2084	0.1454	0.7585	0.7960	0.7768	0.9664
0.0253	5.0	2605	0.1501	0.7549	0.8095	0.7812	0.9677
0.0184	6.0	3126	0.1726	0.7581	0.7992	0.7781	0.9662
0.0138	7.0	3647	0.1743	0.7524	0.8042	0.7774	0.9676
0.0112	8.0	4168	0.1853	0.7576	0.8022	0.7792	0.9674
0.0082	9.0	4689	0.1914	0.7595	0.8061	0.7821	0.9667
0.0073	10.0	5210	0.1912	0.7641	0.8088	0.7858	0.9677

Framework versions

Transformers 4.41.0
Pytorch 2.3.0+cu121
Datasets 2.19.1
Tokenizers 0.19.1