new_model

This model is a fine-tuned version of SCUT-DLVCLab/lilt-roberta-en-base on the None dataset. It achieves the following results on the evaluation set:

• Loss: 0.0200
• Answer: {'precision': 0.16666666666666666, 'recall': 0.16666666666666666, 'f1': 0.16666666666666666, 'number': 6}
• Header: {'precision': 0.1111111111111111, 'recall': 0.2, 'f1': 0.14285714285714285, 'number': 10}
• Question: {'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 9}
• Overall Precision: 0.0769
• Overall Recall: 0.12
• Overall F1: 0.0938
• Overall Accuracy: 0.7246

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

• learning_rate: 5e-05
• train_batch_size: 4
• eval_batch_size: 4
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• training_steps: 2500

Training results

Training Loss	Epoch	Step	Validation Loss	Answer	Header	Question	Overall Precision	Overall Recall	Overall F1	Overall Accuracy
0.1674	3.08	200	0.0152	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 9}	0.0	0.0	0.0	0.6087
0.0579	6.15	400	0.0141	{'precision': 0.2222222222222222, 'recall': 0.3333333333333333, 'f1': 0.26666666666666666, 'number': 6}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.08333333333333333, 'recall': 0.1111111111111111, 'f1': 0.09523809523809525, 'number': 9}	0.1071	0.12	0.1132	0.6522
0.0271	9.23	600	0.0121	{'precision': 0.3333333333333333, 'recall': 0.16666666666666666, 'f1': 0.2222222222222222, 'number': 6}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.07142857142857142, 'recall': 0.1111111111111111, 'f1': 0.08695652173913043, 'number': 9}	0.0645	0.08	0.0714	0.6957
0.0122	12.31	800	0.0115	{'precision': 0.16666666666666666, 'recall': 0.16666666666666666, 'f1': 0.16666666666666666, 'number': 6}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.06666666666666667, 'recall': 0.1111111111111111, 'f1': 0.08333333333333334, 'number': 9}	0.0513	0.08	0.0625	0.7391
0.0073	15.38	1000	0.0224	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 10}	{'precision': 0.1111111111111111, 'recall': 0.1111111111111111, 'f1': 0.1111111111111111, 'number': 9}	0.0526	0.04	0.0455	0.6739
0.0044	18.46	1200	0.0165	{'precision': 0.25, 'recall': 0.16666666666666666, 'f1': 0.2, 'number': 6}	{'precision': 0.14285714285714285, 'recall': 0.2, 'f1': 0.16666666666666666, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 9}	0.1	0.12	0.1091	0.7246
0.0024	21.54	1400	0.0170	{'precision': 0.2, 'recall': 0.16666666666666666, 'f1': 0.1818181818181818, 'number': 6}	{'precision': 0.1111111111111111, 'recall': 0.2, 'f1': 0.14285714285714285, 'number': 10}	{'precision': 0.058823529411764705, 'recall': 0.1111111111111111, 'f1': 0.07692307692307691, 'number': 9}	0.1	0.16	0.1231	0.7319
0.001	24.62	1600	0.0190	{'precision': 0.4, 'recall': 0.3333333333333333, 'f1': 0.3636363636363636, 'number': 6}	{'precision': 0.13333333333333333, 'recall': 0.2, 'f1': 0.16, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 9}	0.1212	0.16	0.1379	0.7536
0.0009	27.69	1800	0.0203	{'precision': 0.16666666666666666, 'recall': 0.16666666666666666, 'f1': 0.16666666666666666, 'number': 6}	{'precision': 0.16666666666666666, 'recall': 0.3, 'f1': 0.21428571428571427, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 9}	0.1026	0.16	0.125	0.7101
0.0006	30.77	2000	0.0210	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 6}	{'precision': 0.05555555555555555, 'recall': 0.1, 'f1': 0.07142857142857142, 'number': 10}	{'precision': 0.0625, 'recall': 0.1111111111111111, 'f1': 0.08, 'number': 9}	0.0526	0.08	0.0635	0.7174
0.0005	33.85	2200	0.0194	{'precision': 0.16666666666666666, 'recall': 0.16666666666666666, 'f1': 0.16666666666666666, 'number': 6}	{'precision': 0.1111111111111111, 'recall': 0.2, 'f1': 0.14285714285714285, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 9}	0.0769	0.12	0.0938	0.7174
0.0003	36.92	2400	0.0200	{'precision': 0.16666666666666666, 'recall': 0.16666666666666666, 'f1': 0.16666666666666666, 'number': 6}	{'precision': 0.1111111111111111, 'recall': 0.2, 'f1': 0.14285714285714285, 'number': 10}	{'precision': 0.0, 'recall': 0.0, 'f1': 0.0, 'number': 9}	0.0769	0.12	0.0938	0.7246

Framework versions

• Transformers 4.28.1
• Pytorch 2.1.0.dev20230810
• Datasets 2.14.4
• Tokenizers 0.11.0