test开源AI模型 - 免费部署用于分类标记任务，精准高效！

首页

Test

由 vegetable 开发

该模型是基于hfl/chinese-bert-wwm-ext在conll2003数据集上微调的版本，用于标记分类任务。

序列标注

Transformers

开源协议:Apache-2.0 #命名实体识别 #BERT微调 #高F1值

下载量 15

发布时间 : 4/28/2022

模型简介

该模型是一个基于BERT架构的标记分类模型，主要用于处理命名实体识别等序列标注任务。

模型特点

高准确率

在conll2003评估集上取得了88.47%的准确率

平衡性能

精确率(76.96%)和召回率(83.96%)表现均衡，F1值达到80.31%

中文优化

基于中文预训练模型hfl/chinese-bert-wwm-ext进行微调

模型能力

命名实体识别

序列标注

文本标记分类

使用案例

自然语言处理

中文命名实体识别

识别中文文本中的人名、地名、组织机构名等实体

F1值达到80.31%

信息提取

从非结构化文本中提取结构化信息

🚀 测试模型

该模型是在conll2003数据集上对 hfl/chinese-bert-wwm-ext 进行微调后的版本。它在命名实体识别任务中表现出色，能够准确地对文本中的实体进行分类和标注，为自然语言处理相关应用提供了有力支持。

🚀 快速开始

此模型是 hfl/chinese-bert-wwm-ext 在conll2003数据集上的微调版本。它在评估集上取得了以下结果：

损失值：0.7372
精确率：0.7696
召回率：0.8396
F1值：0.8031
准确率：0.8847

🔧 技术细节

训练超参数

训练过程中使用了以下超参数：

学习率：2e-05
训练批次大小：16
评估批次大小：16
随机种子：42
优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
学习率调度器类型：线性
训练轮数：100

训练结果

训练损失	轮数	步数	验证损失	精确率	召回率	F1值	准确率
无记录	1.0	2	1.9496	0.0	0.0	0.0	0.4889
无记录	2.0	4	1.6137	0.0	0.0	0.0	0.4919
无记录	3.0	6	1.3906	0.0	0.0	0.0	0.5650
无记录	4.0	8	1.2273	0.0652	0.0481	0.0554	0.6856
无记录	5.0	10	1.0565	0.2051	0.1711	0.1866	0.7125
无记录	6.0	12	0.9150	0.5094	0.4332	0.4682	0.7540
无记录	7.0	14	0.8051	0.5988	0.5187	0.5559	0.7679
无记录	8.0	16	0.7151	0.6707	0.5989	0.6328	0.7763
无记录	9.0	18	0.6334	0.6685	0.6364	0.6521	0.8086
无记录	10.0	20	0.5693	0.6957	0.6845	0.6900	0.8201
无记录	11.0	22	0.5192	0.7166	0.7166	0.7166	0.8363
无记录	12.0	24	0.4736	0.7135	0.7326	0.7230	0.8524
无记录	13.0	26	0.4448	0.6938	0.7754	0.7323	0.8555
无记录	14.0	28	0.4280	0.7177	0.8021	0.7576	0.8586
无记录	15.0	30	0.4179	0.7588	0.8075	0.7824	0.8663
无记录	16.0	32	0.4214	0.7356	0.8182	0.7747	0.8593
无记录	17.0	34	0.4070	0.7391	0.8182	0.7766	0.8616
无记录	18.0	36	0.4112	0.7586	0.8235	0.7897	0.8724
无记录	19.0	38	0.4530	0.7330	0.8075	0.7684	0.8693
无记录	20.0	40	0.4719	0.7766	0.8182	0.7969	0.8732
无记录	21.0	42	0.4886	0.7260	0.8075	0.7646	0.8632
无记录	22.0	44	0.5007	0.7217	0.8182	0.7669	0.8701
无记录	23.0	46	0.5169	0.7321	0.8182	0.7727	0.8762
无记录	24.0	48	0.5531	0.7238	0.8128	0.7657	0.8724
无记录	25.0	50	0.5895	0.7311	0.8289	0.7769	0.8655
无记录	26.0	52	0.5482	0.7330	0.8075	0.7684	0.8778
无记录	27.0	54	0.5361	0.7488	0.8128	0.7795	0.8832
无记录	28.0	56	0.5378	0.7427	0.8182	0.7786	0.8847
无记录	29.0	58	0.5543	0.7371	0.8396	0.7850	0.8824
无记录	30.0	60	0.5564	0.7585	0.8396	0.7970	0.8839
无记录	31.0	62	0.5829	0.7235	0.8396	0.7772	0.8724
无记录	32.0	64	0.5974	0.7269	0.8396	0.7792	0.8716
无记录	33.0	66	0.5750	0.7610	0.8342	0.7959	0.8839
无记录	34.0	68	0.5887	0.7723	0.8342	0.8021	0.8878
无记录	35.0	70	0.6219	0.7441	0.8396	0.7889	0.8747
无记录	36.0	72	0.6676	0.7269	0.8396	0.7792	0.8632
无记录	37.0	74	0.6517	0.7452	0.8289	0.7848	0.8693
无记录	38.0	76	0.6346	0.7828	0.8289	0.8052	0.8862
无记录	39.0	78	0.6239	0.7839	0.8342	0.8083	0.8855
无记录	40.0	80	0.6360	0.7277	0.8289	0.7750	0.8762
无记录	41.0	82	0.6645	0.7336	0.8396	0.7830	0.8701
无记录	42.0	84	0.6611	0.7406	0.8396	0.7870	0.8747
无记录	43.0	86	0.6707	0.7488	0.8289	0.7868	0.8762
无记录	44.0	88	0.6901	0.7277	0.8289	0.7750	0.8709
无记录	45.0	90	0.6911	0.7393	0.8342	0.7839	0.8709
无记录	46.0	92	0.6540	0.7761	0.8342	0.8041	0.8878
无记录	47.0	94	0.6381	0.7761	0.8342	0.8041	0.8916
无记录	48.0	96	0.6285	0.7745	0.8449	0.8082	0.8885
无记录	49.0	98	0.6449	0.7692	0.8556	0.8101	0.8862
无记录	50.0	100	0.6809	0.7442	0.8556	0.7960	0.8732
无记录	51.0	102	0.6898	0.7395	0.8503	0.7910	0.8716
无记录	52.0	104	0.6897	0.7500	0.8503	0.7970	0.8762
无记录	53.0	106	0.6714	0.7656	0.8556	0.8081	0.8855
无记录	54.0	108	0.6612	0.7692	0.8556	0.8101	0.8855
无记录	55.0	110	0.6583	0.7692	0.8556	0.8101	0.8855
无记录	56.0	112	0.6648	0.7692	0.8556	0.8101	0.8855
无记录	57.0	114	0.6757	0.7656	0.8556	0.8081	0.8832
无记录	58.0	116	0.6803	0.7656	0.8556	0.8081	0.8839
无记录	59.0	118	0.6834	0.7692	0.8556	0.8101	0.8862
无记录	60.0	120	0.6889	0.7833	0.8503	0.8154	0.8878
无记录	61.0	122	0.6963	0.7772	0.8396	0.8072	0.8862
无记录	62.0	124	0.7057	0.7772	0.8396	0.8072	0.8862
无记录	63.0	126	0.7212	0.7910	0.8503	0.8196	0.8862
无记录	64.0	128	0.7334	0.7833	0.8503	0.8154	0.8824
无记录	65.0	130	0.7398	0.7833	0.8503	0.8154	0.8801
无记录	66.0	132	0.7400	0.7833	0.8503	0.8154	0.8809
无记录	67.0	134	0.7345	0.7783	0.8449	0.8103	0.8855
无记录	68.0	136	0.7270	0.7900	0.8449	0.8165	0.8870
无记录	69.0	138	0.7245	0.7839	0.8342	0.8083	0.8862
无记录	70.0	140	0.7260	0.7868	0.8289	0.8073	0.8847
无记录	71.0	142	0.7275	0.7817	0.8235	0.8021	0.8839
无记录	72.0	144	0.7283	0.7778	0.8235	0.8000	0.8832
无记录	73.0	146	0.7296	0.7800	0.8342	0.8062	0.8847
无记录	74.0	148	0.7344	0.7734	0.8396	0.8051	0.8832
无记录	75.0	150	0.7314	0.7745	0.8449	0.8082	0.8824
无记录	76.0	152	0.7299	0.7794	0.8503	0.8133	0.8832
无记录	77.0	154	0.7282	0.7794	0.8503	0.8133	0.8839
无记录	78.0	156	0.7252	0.7783	0.8449	0.8103	0.8839
无记录	79.0	158	0.7216	0.7756	0.8503	0.8112	0.8855
无记录	80.0	160	0.7194	0.7756	0.8503	0.8112	0.8870
无记录	81.0	162	0.7191	0.7756	0.8503	0.8112	0.8878
无记录	82.0	164	0.7201	0.7696	0.8396	0.8031	0.8862
无记录	83.0	166	0.7211	0.7696	0.8396	0.8031	0.8862
无记录	84.0	168	0.7222	0.7696	0.8396	0.8031	0.8862
无记录	85.0	170	0.7220	0.7696	0.8396	0.8031	0.8862
无记录	86.0	172	0.7239	0.7734	0.8396	0.8051	0.8870
无记录	87.0	174	0.7291	0.7772	0.8396	0.8072	0.8847
无记录	88.0	176	0.7344	0.7745	0.8449	0.8082	0.8824
无记录	89.0	178	0.7373	0.7745	0.8449	0.8082	0.8824
无记录	90.0	180	0.7391	0.7707	0.8449	0.8061	0.8832
无记录	91.0	182	0.7403	0.7745	0.8449	0.8082	0.8824
无记录	92.0	184	0.7412	0.7745	0.8449	0.8082	0.8832
无记录	93.0	186	0.7417	0.7707	0.8449	0.8061	0.8832
无记录	94.0	188	0.7402	0.7745	0.8449	0.8082	0.8839
无记录	95.0	190	0.7389	0.7745	0.8449	0.8082	0.8847
无记录	96.0	192	0.7381	0.7696	0.8396	0.8031	0.8839
无记录	97.0	194	0.7377	0.7696	0.8396	0.8031	0.8847
无记录	98.0	196	0.7374	0.7696	0.8396	0.8031	0.8847
无记录	99.0	198	0.7372	0.7696	0.8396	0.8031	0.8847
无记录	100.0	200	0.7372	0.7696	0.8396	0.8031	0.8847