Distilroberta Base Ner Conll2003

🚀 distilroberta-base-ner-conll2003

該模型是 distilroberta-base 在 conll2003 數據集上的微調版本。它在命名實體識別任務中表現出色，能夠準確識別文本中的實體信息。

🚀 快速開始

模型使用示例

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("philschmid/distilroberta-base-ner-conll2003")
model = AutoModelForTokenClassification.from_pretrained("philschmid/distilroberta-base-ner-conll2003")

nlp = pipeline("ner", model=model, tokenizer=tokenizer, grouped_entities=True)
example = "My name is Philipp and live in Germany"

nlp(example)

✨ 主要特性

• 基於 distilroberta-base 模型微調，在 conll2003 數據集上進行訓練。
• 在命名實體識別任務中表現良好，具有較高的準確率和 F1 分數。

📦 安裝指南

文檔未提供安裝步驟，若需使用該模型，可參考 Hugging Face 官方文檔安裝相關依賴庫。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("philschmid/distilroberta-base-ner-conll2003")
model = AutoModelForTokenClassification.from_pretrained("philschmid/distilroberta-base-ner-conll2003")

nlp = pipeline("ner", model=model, tokenizer=tokenizer, grouped_entities=True)
example = "My name is Philipp and live in Germany"

nlp(example)

📚 詳細文檔

模型評估指標

訓練過程

訓練超參數

• 學習率（learning_rate）：4.9902376275441704e - 05
• 訓練批次大小（train_batch_size）：32
• 評估批次大小（eval_batch_size）：16
• 隨機種子（seed）：42
• 優化器（optimizer）：Adam，β = (0.9, 0.999)，ε = 1e - 08
• 學習率調度器類型（lr_scheduler_type）：線性
• 訓練輪數（num_epochs）：6.0
• 混合精度訓練（mixed_precision_training）：Native AMP

訓練結果

CoNNL2003 評估集

• 損失（Loss）：0.0583
• 精確率（Precision）：0.9493
• 召回率（Recall）：0.9566
• F1 分數（F1）：0.9529
• 準確率（Accuracy）：0.9883

CoNNL2003 測試集

• 損失（Loss）：0.2025
• 精確率（Precision）：0.8999
• 召回率（Recall）：0.915
• F1 分數（F1）：0.9074
• 準確率（Accuracy）：0.9741

CoNNL++ / CoNLL2003 corrected 評估集

• 損失（Loss）：0.0567
• 精確率（Precision）：0.9493
• 召回率（Recall）：0.9566
• F1 分數（F1）：0.9529
• 準確率（Accuracy）：0.9883

CoNNL++ / CoNLL2003 corrected 測試集

• 損失（Loss）：0.1359
• 精確率（Precision）：0.92
• 召回率（Recall）：0.9245
• F1 分數（F1）：0.9223
• 準確率（Accuracy）：0.9785

框架版本

• Transformers：4.6.1
• Pytorch：1.8.1 + cu101
• Datasets：1.6.2
• Tokenizers：0.10.2

📄 許可證

本模型使用 Apache - 2.0 許可證。