Loss: 0.2894
cmt: {'precision': 0.875, 'recall': 0.5, 'f1': 0.6363636363636364, 'number': 14}
Tk: {'precision': 0.6551724137931034, 'recall': 0.49137931034482757, 'f1': 0.5615763546798029, 'number': 116}
A: {'precision': 0.9444444444444444, 'recall': 0.9747706422018348, 'f1': 0.9593679458239277, 'number': 436}
Gày: {'precision': 0.7619047619047619, 'recall': 0.9696969696969697, 'f1': 0.8533333333333334, 'number': 33}
Gày trừu tượng: {'precision': 0.9443155452436195, 'recall': 0.9509345794392523, 'f1': 0.9476135040745051, 'number': 428}
Gân hàng: {'precision': 0.8181818181818182, 'recall': 0.6923076923076923, 'f1': 0.7500000000000001, 'number': 13}
Hối lượng: {'precision': 0.7142857142857143, 'recall': 0.5555555555555556, 'f1': 0.6250000000000001, 'number': 9}
Iền: {'precision': 0.6739130434782609, 'recall': 0.7948717948717948, 'f1': 0.7294117647058824, 'number': 39}
Iờ: {'precision': 0.6410256410256411, 'recall': 0.7352941176470589, 'f1': 0.6849315068493151, 'number': 34}
Mail: {'precision': 0.9041533546325878, 'recall': 0.9625850340136054, 'f1': 0.9324546952224053, 'number': 294}
Ã đơn: {'precision': 0.8086124401913876, 'recall': 0.845, 'f1': 0.8264058679706601, 'number': 200}
Ên người: {'precision': 0.5, 'recall': 0.5, 'f1': 0.5, 'number': 2}
Đt: {'precision': 0.8568568568568569, 'recall': 0.9749430523917996, 'f1': 0.9120937666489078, 'number': 878}
Ơn vị đo: {'precision': 0.6923076923076923, 'recall': 0.6428571428571429, 'f1': 0.6666666666666666, 'number': 28}
Ản phẩm cụ thể: {'precision': 0.7142857142857143, 'recall': 0.35714285714285715, 'f1': 0.4761904761904762, 'number': 14}
Ản phẩm trừu tượng: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}
Ịa chỉ trừu tượng: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}
Overall Precision: 0.8704
Overall Recall: 0.9166
Overall F1: 0.8929
Overall Accuracy: 0.9646

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	Ơn vị đo	Ản phẩm cụ thể	Ản phẩm trừu tượng	Ịa chỉ trừu tượng	Overall Precision	Overall Recall	Overall F1	Overall Accuracy
0.2025	1.0	1470	0.2175	{'precision': 0.5909090909090909, 'recall': 0.9285714285714286, 'f1': 0.7222222222222223, 'number': 14}	{'precision': 0.48148148148148145, 'recall': 0.11206896551724138, 'f1': 0.18181818181818182, 'number': 116}	{'precision': 0.9301310043668122, 'recall': 0.9770642201834863, 'f1': 0.9530201342281879, 'number': 436}	{'precision': 0.631578947368421, 'recall': 0.7272727272727273, 'f1': 0.676056338028169, 'number': 33}	{'precision': 0.9158878504672897, 'recall': 0.9158878504672897, 'f1': 0.9158878504672897, 'number': 428}	{'precision': 0.42857142857142855, 'recall': 0.23076923076923078, 'f1': 0.3, 'number': 13}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 0}	{'precision': 0.4, 'recall': 0.6666666666666666, 'f1': 0.5, 'number': 9}	{'precision': 0.6521739130434783, 'recall': 0.7692307692307693, 'f1': 0.7058823529411764, 'number': 39}	{'precision': 0.4166666666666667, 'recall': 0.7352941176470589, 'f1': 0.5319148936170213, 'number': 34}	{'precision': 0.8851963746223565, 'recall': 0.9965986394557823, 'f1': 0.9376, 'number': 294}	{'precision': 0.5806451612903226, 'recall': 0.9, 'f1': 0.7058823529411764, 'number': 200}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.7449781659388647, 'recall': 0.9715261958997722, 'f1': 0.8433020266930302, 'number': 878}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 28}	{'precision': 1.0, 'recall': 0.07142857142857142, 'f1': 0.13333333333333333, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.7819	0.8887	0.8319	0.9342
0.0951	2.0	2940	0.1805	{'precision': 0.7777777777777778, 'recall': 0.5, 'f1': 0.6086956521739131, 'number': 14}	{'precision': 0.6129032258064516, 'recall': 0.16379310344827586, 'f1': 0.2585034013605442, 'number': 116}	{'precision': 0.9323144104803494, 'recall': 0.9793577981651376, 'f1': 0.9552572706935123, 'number': 436}	{'precision': 0.7894736842105263, 'recall': 0.45454545454545453, 'f1': 0.5769230769230769, 'number': 33}	{'precision': 0.948780487804878, 'recall': 0.9088785046728972, 'f1': 0.9284009546539379, 'number': 428}	{'precision': 0.8, 'recall': 0.3076923076923077, 'f1': 0.4444444444444444, 'number': 13}	{'precision': 0.5714285714285714, 'recall': 0.4444444444444444, 'f1': 0.5, 'number': 9}	{'precision': 1.0, 'recall': 0.05128205128205128, 'f1': 0.09756097560975609, 'number': 39}	{'precision': 0.5555555555555556, 'recall': 0.8823529411764706, 'f1': 0.6818181818181819, 'number': 34}	{'precision': 1.0, 'recall': 0.7891156462585034, 'f1': 0.8821292775665399, 'number': 294}	{'precision': 0.7068273092369478, 'recall': 0.88, 'f1': 0.7839643652561248, 'number': 200}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.8404785643070788, 'recall': 0.9601366742596811, 'f1': 0.8963317384370016, 'number': 878}	{'precision': 0.8, 'recall': 0.2857142857142857, 'f1': 0.4210526315789473, 'number': 28}	{'precision': 1.0, 'recall': 0.21428571428571427, 'f1': 0.35294117647058826, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.8664	0.8493	0.8578	0.9537
0.0734	3.0	4410	0.1646	{'precision': 0.9, 'recall': 0.6428571428571429, 'f1': 0.75, 'number': 14}	{'precision': 0.647887323943662, 'recall': 0.39655172413793105, 'f1': 0.4919786096256685, 'number': 116}	{'precision': 0.9570135746606335, 'recall': 0.9701834862385321, 'f1': 0.9635535307517085, 'number': 436}	{'precision': 0.8285714285714286, 'recall': 0.8787878787878788, 'f1': 0.8529411764705883, 'number': 33}	{'precision': 0.9656862745098039, 'recall': 0.9205607476635514, 'f1': 0.9425837320574163, 'number': 428}	{'precision': 0.5, 'recall': 0.07692307692307693, 'f1': 0.13333333333333336, 'number': 13}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 0}	{'precision': 0.2, 'recall': 0.1111111111111111, 'f1': 0.14285714285714285, 'number': 9}	{'precision': 0.5, 'recall': 0.15384615384615385, 'f1': 0.23529411764705882, 'number': 39}	{'precision': 0.68, 'recall': 0.5, 'f1': 0.576271186440678, 'number': 34}	{'precision': 0.887719298245614, 'recall': 0.8605442176870748, 'f1': 0.8739205526770294, 'number': 294}	{'precision': 0.8362573099415205, 'recall': 0.715, 'f1': 0.7708894878706198, 'number': 200}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.825381679389313, 'recall': 0.9851936218678815, 'f1': 0.8982346832814123, 'number': 878}	{'precision': 0.5714285714285714, 'recall': 0.14285714285714285, 'f1': 0.2285714285714286, 'number': 28}	{'precision': 0.8571428571428571, 'recall': 0.42857142857142855, 'f1': 0.5714285714285714, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.8674	0.8643	0.8658	0.9581
0.0541	4.0	5880	0.1857	{'precision': 0.8181818181818182, 'recall': 0.6428571428571429, 'f1': 0.7200000000000001, 'number': 14}	{'precision': 0.7222222222222222, 'recall': 0.22413793103448276, 'f1': 0.34210526315789475, 'number': 116}	{'precision': 0.9606481481481481, 'recall': 0.9518348623853211, 'f1': 0.956221198156682, 'number': 436}	{'precision': 0.5142857142857142, 'recall': 0.5454545454545454, 'f1': 0.5294117647058822, 'number': 33}	{'precision': 0.9220489977728286, 'recall': 0.9672897196261683, 'f1': 0.9441277080957811, 'number': 428}	{'precision': 0.8571428571428571, 'recall': 0.46153846153846156, 'f1': 0.6, 'number': 13}	{'precision': 0.5, 'recall': 0.3333333333333333, 'f1': 0.4, 'number': 9}	{'precision': 0.6862745098039216, 'recall': 0.8974358974358975, 'f1': 0.7777777777777778, 'number': 39}	{'precision': 0.6923076923076923, 'recall': 0.5294117647058824, 'f1': 0.5999999999999999, 'number': 34}	{'precision': 0.88, 'recall': 0.9727891156462585, 'f1': 0.9240710823909533, 'number': 294}	{'precision': 0.6714975845410628, 'recall': 0.695, 'f1': 0.683046683046683, 'number': 200}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.8387734915924827, 'recall': 0.9658314350797267, 'f1': 0.8978295394388566, 'number': 878}	{'precision': 0.7666666666666667, 'recall': 0.8214285714285714, 'f1': 0.793103448275862, 'number': 28}	{'precision': 1.0, 'recall': 0.35714285714285715, 'f1': 0.5263157894736842, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.8533	0.8832	0.8680	0.9595
0.0478	5.0	7350	0.2531	{'precision': 0.47058823529411764, 'recall': 0.5714285714285714, 'f1': 0.5161290322580646, 'number': 14}	{'precision': 0.6631578947368421, 'recall': 0.5431034482758621, 'f1': 0.5971563981042655, 'number': 116}	{'precision': 0.9675810473815462, 'recall': 0.8899082568807339, 'f1': 0.927120669056153, 'number': 436}	{'precision': 0.37142857142857144, 'recall': 0.3939393939393939, 'f1': 0.3823529411764706, 'number': 33}	{'precision': 0.9245283018867925, 'recall': 0.9158878504672897, 'f1': 0.9201877934272301, 'number': 428}	{'precision': 0.8333333333333334, 'recall': 0.7692307692307693, 'f1': 0.8, 'number': 13}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 0}	{'precision': 0.75, 'recall': 0.3333333333333333, 'f1': 0.46153846153846156, 'number': 9}	{'precision': 0.7105263157894737, 'recall': 0.6923076923076923, 'f1': 0.7012987012987013, 'number': 39}	{'precision': 0.4222222222222222, 'recall': 0.5588235294117647, 'f1': 0.48101265822784806, 'number': 34}	{'precision': 0.534020618556701, 'recall': 0.8809523809523809, 'f1': 0.6649550706033377, 'number': 294}	{'precision': 0.5148514851485149, 'recall': 0.52, 'f1': 0.5174129353233831, 'number': 200}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 2}	{'precision': 0.880085653104925, 'recall': 0.9362186788154897, 'f1': 0.9072847682119204, 'number': 878}	{'precision': 0.7741935483870968, 'recall': 0.8571428571428571, 'f1': 0.8135593220338982, 'number': 28}	{'precision': 0.6, 'recall': 0.21428571428571427, 'f1': 0.3157894736842105, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.7823	0.8399	0.8101	0.9466
0.0357	6.0	8820	0.2497	{'precision': 0.6666666666666666, 'recall': 0.5714285714285714, 'f1': 0.6153846153846153, 'number': 14}	{'precision': 0.7047619047619048, 'recall': 0.6379310344827587, 'f1': 0.6696832579185522, 'number': 116}	{'precision': 0.9532293986636972, 'recall': 0.981651376146789, 'f1': 0.9672316384180791, 'number': 436}	{'precision': 0.6388888888888888, 'recall': 0.696969696969697, 'f1': 0.6666666666666666, 'number': 33}	{'precision': 0.9280898876404494, 'recall': 0.9649532710280374, 'f1': 0.9461626575028638, 'number': 428}	{'precision': 0.8333333333333334, 'recall': 0.7692307692307693, 'f1': 0.8, 'number': 13}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 0}	{'precision': 0.625, 'recall': 0.5555555555555556, 'f1': 0.5882352941176471, 'number': 9}	{'precision': 0.6875, 'recall': 0.8461538461538461, 'f1': 0.7586206896551724, 'number': 39}	{'precision': 0.5833333333333334, 'recall': 0.8235294117647058, 'f1': 0.6829268292682927, 'number': 34}	{'precision': 0.8713826366559485, 'recall': 0.9217687074829932, 'f1': 0.8958677685950414, 'number': 294}	{'precision': 0.6383763837638377, 'recall': 0.865, 'f1': 0.7346072186836518, 'number': 200}	{'precision': 1.0, 'recall': 0.5, 'f1': 0.6666666666666666, 'number': 2}	{'precision': 0.8246445497630331, 'recall': 0.9908883826879271, 'f1': 0.9001551991722712, 'number': 878}	{'precision': 0.7096774193548387, 'recall': 0.7857142857142857, 'f1': 0.7457627118644068, 'number': 28}	{'precision': 0.7, 'recall': 0.5, 'f1': 0.5833333333333334, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.8319	0.9308	0.8786	0.9567
0.0212	7.0	10290	0.2400	{'precision': 0.8, 'recall': 0.5714285714285714, 'f1': 0.6666666666666666, 'number': 14}	{'precision': 0.6476190476190476, 'recall': 0.5862068965517241, 'f1': 0.6153846153846154, 'number': 116}	{'precision': 0.9508928571428571, 'recall': 0.9770642201834863, 'f1': 0.9638009049773757, 'number': 436}	{'precision': 0.7692307692307693, 'recall': 0.9090909090909091, 'f1': 0.8333333333333333, 'number': 33}	{'precision': 0.9419953596287703, 'recall': 0.9485981308411215, 'f1': 0.9452852153667056, 'number': 428}	{'precision': 0.7692307692307693, 'recall': 0.7692307692307693, 'f1': 0.7692307692307693, 'number': 13}	{'precision': 0.7142857142857143, 'recall': 0.5555555555555556, 'f1': 0.6250000000000001, 'number': 9}	{'precision': 0.6666666666666666, 'recall': 0.8717948717948718, 'f1': 0.7555555555555555, 'number': 39}	{'precision': 0.575, 'recall': 0.6764705882352942, 'f1': 0.6216216216216216, 'number': 34}	{'precision': 0.9343065693430657, 'recall': 0.8707482993197279, 'f1': 0.9014084507042254, 'number': 294}	{'precision': 0.8078817733990148, 'recall': 0.82, 'f1': 0.8138957816377171, 'number': 200}	{'precision': 0.3333333333333333, 'recall': 0.5, 'f1': 0.4, 'number': 2}	{'precision': 0.8870792616720955, 'recall': 0.9305239179954442, 'f1': 0.9082823790994998, 'number': 878}	{'precision': 0.76, 'recall': 0.6785714285714286, 'f1': 0.7169811320754718, 'number': 28}	{'precision': 0.625, 'recall': 0.35714285714285715, 'f1': 0.45454545454545453, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.8813	0.8938	0.8875	0.9629
0.0119	8.0	11760	0.2718	{'precision': 0.7, 'recall': 0.5, 'f1': 0.5833333333333334, 'number': 14}	{'precision': 0.7111111111111111, 'recall': 0.5517241379310345, 'f1': 0.6213592233009709, 'number': 116}	{'precision': 0.954954954954955, 'recall': 0.9724770642201835, 'f1': 0.9636363636363636, 'number': 436}	{'precision': 0.7, 'recall': 0.8484848484848485, 'f1': 0.7671232876712328, 'number': 33}	{'precision': 0.9462616822429907, 'recall': 0.9462616822429907, 'f1': 0.9462616822429907, 'number': 428}	{'precision': 0.8181818181818182, 'recall': 0.6923076923076923, 'f1': 0.7500000000000001, 'number': 13}	{'precision': 0.7142857142857143, 'recall': 0.5555555555555556, 'f1': 0.6250000000000001, 'number': 9}	{'precision': 0.6521739130434783, 'recall': 0.7692307692307693, 'f1': 0.7058823529411764, 'number': 39}	{'precision': 0.575, 'recall': 0.6764705882352942, 'f1': 0.6216216216216216, 'number': 34}	{'precision': 0.907051282051282, 'recall': 0.9625850340136054, 'f1': 0.933993399339934, 'number': 294}	{'precision': 0.8037383177570093, 'recall': 0.86, 'f1': 0.8309178743961353, 'number': 200}	{'precision': 0.5, 'recall': 0.5, 'f1': 0.5, 'number': 2}	{'precision': 0.8571428571428571, 'recall': 0.9772209567198178, 'f1': 0.9132517296434275, 'number': 878}	{'precision': 0.7407407407407407, 'recall': 0.7142857142857143, 'f1': 0.7272727272727273, 'number': 28}	{'precision': 0.75, 'recall': 0.42857142857142855, 'f1': 0.5454545454545454, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.8713	0.9186	0.8943	0.9649
0.0082	9.0	13230	0.2779	{'precision': 0.7777777777777778, 'recall': 0.5, 'f1': 0.6086956521739131, 'number': 14}	{'precision': 0.6419753086419753, 'recall': 0.4482758620689655, 'f1': 0.5279187817258884, 'number': 116}	{'precision': 0.9446902654867256, 'recall': 0.9793577981651376, 'f1': 0.9617117117117115, 'number': 436}	{'precision': 0.7272727272727273, 'recall': 0.9696969696969697, 'f1': 0.8311688311688312, 'number': 33}	{'precision': 0.9357798165137615, 'recall': 0.9532710280373832, 'f1': 0.9444444444444445, 'number': 428}	{'precision': 0.75, 'recall': 0.6923076923076923, 'f1': 0.7199999999999999, 'number': 13}	{'precision': 0.7777777777777778, 'recall': 0.7777777777777778, 'f1': 0.7777777777777778, 'number': 9}	{'precision': 0.6078431372549019, 'recall': 0.7948717948717948, 'f1': 0.6888888888888889, 'number': 39}	{'precision': 0.6046511627906976, 'recall': 0.7647058823529411, 'f1': 0.6753246753246753, 'number': 34}	{'precision': 0.9035369774919614, 'recall': 0.95578231292517, 'f1': 0.9289256198347107, 'number': 294}	{'precision': 0.8190954773869347, 'recall': 0.815, 'f1': 0.8170426065162906, 'number': 200}	{'precision': 0.5, 'recall': 0.5, 'f1': 0.5, 'number': 2}	{'precision': 0.8623481781376519, 'recall': 0.9703872437357631, 'f1': 0.9131832797427654, 'number': 878}	{'precision': 0.8148148148148148, 'recall': 0.7857142857142857, 'f1': 0.7999999999999999, 'number': 28}	{'precision': 0.7777777777777778, 'recall': 0.5, 'f1': 0.6086956521739131, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.8698	0.9146	0.8917	0.9640
0.003	10.0	14700	0.2894	{'precision': 0.875, 'recall': 0.5, 'f1': 0.6363636363636364, 'number': 14}	{'precision': 0.6551724137931034, 'recall': 0.49137931034482757, 'f1': 0.5615763546798029, 'number': 116}	{'precision': 0.9444444444444444, 'recall': 0.9747706422018348, 'f1': 0.9593679458239277, 'number': 436}	{'precision': 0.7619047619047619, 'recall': 0.9696969696969697, 'f1': 0.8533333333333334, 'number': 33}	{'precision': 0.9443155452436195, 'recall': 0.9509345794392523, 'f1': 0.9476135040745051, 'number': 428}	{'precision': 0.8181818181818182, 'recall': 0.6923076923076923, 'f1': 0.7500000000000001, 'number': 13}	{'precision': 0.7142857142857143, 'recall': 0.5555555555555556, 'f1': 0.6250000000000001, 'number': 9}	{'precision': 0.6739130434782609, 'recall': 0.7948717948717948, 'f1': 0.7294117647058824, 'number': 39}	{'precision': 0.6410256410256411, 'recall': 0.7352941176470589, 'f1': 0.6849315068493151, 'number': 34}	{'precision': 0.9041533546325878, 'recall': 0.9625850340136054, 'f1': 0.9324546952224053, 'number': 294}	{'precision': 0.8086124401913876, 'recall': 0.845, 'f1': 0.8264058679706601, 'number': 200}	{'precision': 0.5, 'recall': 0.5, 'f1': 0.5, 'number': 2}	{'precision': 0.8568568568568569, 'recall': 0.9749430523917996, 'f1': 0.9120937666489078, 'number': 878}	{'precision': 0.6923076923076923, 'recall': 0.6428571428571429, 'f1': 0.6666666666666666, 'number': 28}	{'precision': 0.7142857142857143, 'recall': 0.35714285714285715, 'f1': 0.4761904761904762, 'number': 14}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 1}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 3}	0.8704	0.9166	0.8929	0.9646

Framework versions

Transformers 4.40.2
Pytorch 2.3.1+cu121
Datasets 2.19.1
Tokenizers 0.19.1

Kudod/xlm-roberta-large-finetuned-ner-ghtk-cs-3090-16July-1

xlm-roberta-large-finetuned-ner-ghtk-cs-3090-16July-1

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Kudod/
xlm-roberta-large-finetuned-ner-ghtk-cs-3090-16July-1