许可证：apache-2.0
标签：

• 训练生成
  指标：
• 精确率
• 召回率
• 准确率
• F1值
  语言：
• 英语
  示例输入：
• 文本："博通同意以610亿美元（570亿欧元）的现金加股票交易收购云计算公司VMware，此举大幅拓展了这家芯片制造商的业务范围，并使其软件相关收入增长近两倍，占总销售额的约45%。具体数字：VMware股东每股将获得142.50美元现金或0.2520股博通股票。博通还将承担VMware的80亿美元净债务。"
• 文本："加拿大自然资源部长乔纳森·威尔金森向彭博社表示，该国最快可在三年内通过将加拿大东海岸现有的液化天然气（LNG）进口设施改造成出口终端，开始向欧洲供应液化天然气。关键点：威尔金森称，加拿大关注的是新LNG设施需采用低排放工艺，并具备未来转型为氢能出口的能力。"
• 文本："谷歌因在‘广告技术栈’（连接广告主与发布商的在线广告位销售服务体系）中的主导地位，正接受英国反垄断监管机构调查。谷歌在广告技术栈各层级均占据强势地位，并向发布商和广告主双向收费。背景延伸：英国竞争与市场管理局还在调查谷歌与Meta是否在广告业务上合谋，重点审查两家公司代号‘绝地蓝’的广告协议。"
• 文本："推特股价收盘上涨6.35%，此前美国证券交易委员会13D文件披露，埃隆·马斯克承诺追加62.5亿美元个人资金支持440亿美元收购交易，使其总出资额从最初的272.5亿美元增至335亿美元。另讯：推特前CEO杰克·多西宣布离职，但将留任董事会‘直至2022年股东会议任期届满’。"

模型索引：

• 名称：bert-uncased-keyword-extractor
  结果：[]

bert-uncased关键词提取模型

本模型是基于bert-base-uncased在未知数据集上微调的版本，在评估集上取得以下结果：

• 损失值：0.1247
• 精确率：0.8547
• 召回率：0.8825
• 准确率：0.9741
• F1值：0.8684

模型描述

需补充更多信息

使用场景与限制

需补充更多信息

训练与评估数据

需补充更多信息

训练流程

训练超参数

训练采用以下超参数：

• 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
• 训练轮次：8
• 混合精度训练：原生AMP

训练结果

框架版本

• Transformers 4.19.2
• PyTorch 1.11.0+cu113
• Datasets 2.2.2
• Tokenizers 0.12.1