Distilbert Base Multilingual Cased Finetuned Conll2003 Ner

🚀 gunghio/distilbert-base-multilingual-cased-finetuned-conll2003-ner

該模型基於distilbert-base-multilingual-cased，在conll2003數據集上從頭開始訓練，可用於命名實體識別任務，在評估集上取得了優異的成績。

🚀 快速開始

此模型基於distilbert-base-multilingual-cased，在conll2003數據集上進行了微調。它在評估集上達成了以下效果：

• 損失率：0.0388
• 精確率：0.9360
• 召回率：0.9458
• F1值：0.9409
• 準確率：0.9902

✨ 主要特性

• 多語言支持：支持英語（en）、德語（de）、荷蘭語（nl）、西班牙語（es）等多語言。
• 高性能表現：在conll2003數據集上的評估中，F1值達到了0.9409，準確率達到了0.9902。

📦 安裝指南

文檔中未提及安裝步驟，故跳過此章節。

💻 使用示例

文檔中未提供代碼示例，故跳過此章節。

📚 詳細文檔

模型描述

該模型基於distilbert-base-multilingual-cased構建。

預期用途與限制

需要更多相關信息。

訓練和評估數據

訓練數據集：conll2003

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

🔧 技術細節

文檔中未提供詳細技術實現細節，故跳過此章節。

📄 許可證

文檔中未提及許可證信息，故跳過此章節。

📋 指標與數據集信息