distilroberta-base-ner-conll2003

该模型是在conll2003数据集上对 distilroberta-base 进行微调的版本。

评估F1-Score: 95.29（CoNLL-03）测试F1-Score: 90.74（CoNLL-03）

评估F1-Score: 95.29（CoNLL++ / CoNLL-03修正）测试F1-Score: 92.23（CoNLL++ / CoNLL-03修正）

模型使用

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)

训练过程

训练超参数

在训练期间使用了以下超参数：

• learning_rate: 4.9902376275441704e-05
• train_batch_size: 32
• eval_batch_size: 16
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 6.0
• mixed_precision_training: Native AMP

训练结果

在评估集上取得以下结果：

• Loss: 0.0583
• Precision: 0.9493
• Recall: 0.9566
• F1: 0.9529
• Accuracy: 0.9883

在测试集上取得以下结果：

• Loss: 0.2025
• Precision: 0.8999
• Recall: 0.915
• F1: 0.9074
• Accuracy: 0.9741

在评估集上取得以下结果：

• Loss: 0.0567
• Precision: 0.9493
• Recall: 0.9566
• F1: 0.9529
• Accuracy: 0.9883

在测试集上取得以下结果：

• Loss: 0.1359
• Precision: 0.92
• Recall: 0.9245
• F1: 0.9223
• Accuracy: 0.9785

框架版本

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