Distilbert Base Uncased Finetuned Ner

🚀 蒸餾伯特無大小寫微調命名實體識別模型

本模型是基於 distilbert-base-uncased 在 conll2003 數據集上進行微調的版本。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，為信息提取等任務提供了高效的解決方案。

🚀 快速開始

本模型是 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成績：

• 損失值：0.0611
• 精確率：0.9272
• 召回率：0.9382
• F1值：0.9327
• 準確率：0.9843

📚 詳細文檔

訓練和評估數據

更多信息待補充。

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 4.9.1
• Pytorch 1.9.0+cu102
• Datasets 1.10.2
• Tokenizers 0.10.3

📄 許可證

本模型採用 Apache-2.0 許可證。