Distilbert Base Uncased Finetuned Ner

🚀 蒸餾伯特無大小寫微調命名實體識別模型

本模型是 distilbert-base-uncased 在 conll2003 數據集上的微調版本。它在解決命名實體識別問題上表現出色，能精準識別文本中的實體信息，為信息抽取等任務提供有力支持。

🚀 快速開始

此模型是 distilbert-base-uncased 在 conll2003 數據集上的微調版本。它在評估集上取得了以下結果：

• 損失值：0.0614
• 精確率：0.9263
• 召回率：0.9379
• F1值：0.9321
• 準確率：0.9838

✨ 主要特性

• 基於強大的 DistilBERT 基礎模型，在 conll2003 數據集上微調，適用於命名實體識別任務。
• 在評估集上展現出了較高的精確率、召回率、F1 值和準確率，性能表現優異。

📚 詳細文檔

模型描述

更多信息待補充。

預期用途與限制

更多信息待補充。

訓練和評估數據

更多信息待補充。

🔧 技術細節

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：2e-05
• 訓練批次大小：16
• 評估批次大小：16
• 隨機種子：42
• 優化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e-08）
• 學習率調度器類型：線性
• 訓練輪數：3

訓練結果

框架版本

• Transformers 4.19.3
• Pytorch 1.11.0+cu113
• Datasets 2.2.2
• Tokenizers 0.12.1

📄 許可證

本模型採用 Apache-2.0 許可證。

📦 模型信息