Este modelo está basado en BETO, que es un modelo de lenguaje preentrenado para el español similar a BERT. BETO fue entrenado inicialmente en grandes cantidades de texto en español. Posteriormente, este modelo toma la arquitectura y pesos preentrenados de BETO y los ajusta aún más en la tarea específica de Reconocimiento de Entidades Nombradas (NER) utilizando el conjunto de datos conll2002. Este modelo ajustado puede usarse para anotar automáticamente nuevos textos en español, asignando etiquetas de entidad nombradas.

How to Use

python

from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline

tokenizer = AutoTokenizer.from_pretrained("JoshuaAAX/beto-finetuned-ner")
model = AutoModelForTokenClassification.from_pretrained("JoshuaAAX/beto-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
0.0512	1.0	521	0.1314	0.8328	0.8562	0.8443	0.9703
0.0305	2.0	1042	0.1549	0.8318	0.8442	0.8380	0.9688
0.0193	3.0	1563	0.1498	0.8513	0.8578	0.8545	0.9708
0.0148	4.0	2084	0.1810	0.8363	0.8442	0.8403	0.9682
0.0112	5.0	2605	0.1904	0.8412	0.8529	0.8470	0.9703
0.0078	6.0	3126	0.1831	0.8364	0.8539	0.8450	0.9708
0.0058	7.0	3647	0.2060	0.8419	0.8543	0.8481	0.9701
0.0049	8.0	4168	0.2111	0.8357	0.8541	0.8448	0.9697
0.0037	9.0	4689	0.2255	0.8371	0.8504	0.8437	0.9692
0.0031	10.0	5210	0.2248	0.8403	0.8557	0.8479	0.9702

Framework versions

Transformers 4.41.0
Pytorch 2.3.0+cu121
Datasets 2.19.1
Tokenizers 0.19.1