README.md

metadata

license: cc-by-4.0
base_model: NazaGara/NER-fine-tuned-BETO
tags:
  - generated_from_trainer
datasets:
  - conll2002
metrics:
  - precision
  - recall
  - f1
  - accuracy
model-index:
  - name: NER-finetuning-BETO
    results:
      - task:
          name: Token Classification
          type: token-classification
        dataset:
          name: conll2002
          type: conll2002
          config: es
          split: validation
          args: es
        metrics:
          - name: Precision
            type: precision
            value: 0.8414992097538948
          - name: Recall
            type: recall
            value: 0.8563878676470589
          - name: F1
            type: f1
            value: 0.8488782598792848
          - name: Accuracy
            type: accuracy
            value: 0.9704469377634515

NER-finetuning-BETO

This model is a fine-tuned version of NazaGara/NER-fine-tuned-BETO on the conll2002 dataset. It achieves the following results on the evaluation set:

• Loss: 0.2009
• Precision: 0.8415
• Recall: 0.8564
• F1: 0.8489
• Accuracy: 0.9704

Model description

El modelo BETO (BERT para Español) es una variante de BERT entrenada específicamente para el idioma español. Este modelo ha sido afinado para la tarea de reconocimiento de entidades nombradas (NER) utilizando el conjunto de datos conll2002.

Intended uses & limitations

Usos

• Reconocimiento de entidades nombradas (NER) en textos en español.
• Aplicaciones en procesamiento de lenguaje natural donde se necesite identificar nombres de personas, lugares, organizaciones, etc.

Limitaciones

• El modelo puede no funcionar bien en textos fuera del dominio de los datos de entrenamiento (conll2002).
• Puede tener sesgos inherentes debido a los datos con los que fue preentrenado y afinado.

Training and evaluation data

El modelo fue afinado y evaluado utilizando el conjunto de datos conll2002, que es un conjunto de datos estándar para tareas de reconocimiento de entidades nombradas en español.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

• learning_rate: 2e-05
• train_batch_size: 8
• eval_batch_size: 8
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.0499	1.0	1041	0.1461	0.8328	0.8573	0.8449	0.9695
0.0288	2.0	2082	0.1672	0.8244	0.8564	0.8401	0.9694
0.0173	3.0	3123	0.1694	0.8487	0.8672	0.8578	0.9715
0.0119	4.0	4164	0.2023	0.8434	0.8525	0.8479	0.9695
0.0084	5.0	5205	0.2009	0.8415	0.8564	0.8489	0.9704

Framework versions

• Transformers 4.41.1
• Pytorch 2.3.0+cu121
• Datasets 2.19.2
• Tokenizers 0.19.1