Distilbert Base Uncased Finetuned Ner

🚀 蒸餾伯特無大小寫基礎模型微調命名實體識別

本模型是基於 distilbert-base-uncased 在 conll2003 數據集上進行微調後的版本。它在解決命名實體識別問題上表現出色，能夠高效準確地識別文本中的實體信息，為自然語言處理相關任務提供了有力支持。

📚 詳細文檔

模型指標

模型索引

• 模型名稱：distilbert-base-uncased-finetuned-ner
• 結果：
  • 任務：
    • 名稱：Token Classification（標記分類）
    • 類型：token-classification
  • 數據集：
    • 名稱：conll2003
    • 類型：conll2003
    • 參數：conll2003
  • 指標：
    • 名稱：Precision（精確率）
    • 類型：precision
    • 值：0.9244616234124793
    • 名稱：Recall（召回率）
    • 類型：recall
    • 值：0.9364582168027744
    • 名稱：F1
    • 類型：f1
    • 值：0.9304212515282871
    • 名稱：Accuracy（準確率）
    • 類型：accuracy
    • 值：0.9833987322668276

訓練過程

訓練超參數

在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，其中 betas=(0.9, 0.999)，epsilon=1e-08
• 學習率調度器類型：linear
• 訓練輪數：3

訓練結果

框架版本

• Transformers：4.12.0
• Pytorch：1.9.0+cu111
• Datasets：1.14.0
• Tokenizers：0.10.3

📄 許可證

本模型採用 Apache-2.0 許可證。