Update README.md

README.md

@@ -10,21 +10,36 @@ metrics:
 model-index:
 - name: req_mod_ner_modelv2
   results: []
+widget:
+- text: "De Oplossing ondersteunt het zoeken op de metadata van zaken, documenten en objecten en op gegevens uit de basisregistraties die gekoppeld zijn aan een zaak."
+- text: "De Oplossing ondersteunt parafering en het plaatsen van een gecertificeerde elektronische handtekening."
+- text: "De Aangeboden oplossing stelt de medewerker in staat een zaak te registreren."
+- text: "Het Financieel systeem heeft functionaliteit om een debiteurenadministratie te voeren."
+- text: "Als gebruiker wil ik dat de oplossing mij naar zaken laat zoeken op basis van zaaknummer, zaaktitel, omschrijving en datum."
 ---
 
-<!-- This model card has been generated automatically according to the information the Trainer had access to. You
-should probably proofread and complete it, then remove this comment. -->
 
 # req_mod_ner_modelv2
 
 This model is a fine-tuned version of [pdelobelle/robbert-v2-dutch-ner](https://huggingface.co/pdelobelle/robbert-v2-dutch-ner) on the None dataset.
 It achieves the following results on the evaluation set:
-- Loss: 0.6908
-- Precision: 0.7412
-- Recall: 0.7241
-- F1: 0.7326
-- Accuracy: 0.9238
-- Alles: {'Actor': {'precision': 0.8571428571428571, 'recall': 1.0, 'f1': 0.923076923076923, 'number': 12}, 'Attribute': {'precision': 0.8333333333333334, 'recall': 0.6451612903225806, 'f1': 0.7272727272727272, 'number': 31}, 'COTS': {'precision': 0.7777777777777778, 'recall': 0.875, 'f1': 0.823529411764706, 'number': 24}, 'Entity': {'precision': 0.7567567567567568, 'recall': 0.8, 'f1': 0.7777777777777778, 'number': 35}, 'Function': {'precision': 0.7454545454545455, 'recall': 0.6612903225806451, 'f1': 0.7008547008547009, 'number': 62}, 'Result': {'precision': 0.3076923076923077, 'recall': 0.4, 'f1': 0.34782608695652173, 'number': 10}, 'overall_precision': 0.7411764705882353, 'overall_recall': 0.7241379310344828, 'overall_f1': 0.7325581395348838, 'overall_accuracy': 0.9237947122861586}
+- Loss: 0.6791
+- Precision: 0.7515
+- Recall: 0.7299
+- F1: 0.7405
+- Accuracy: 0.9253
+- {'Actor': {'precision': 0.8571428571428571, 'recall': 1.0, 'f1': 0.923076923076923, 'number': 12}, 'Attribute': {'precision': 0.9166666666666666, 'recall': 0.7096774193548387, 'f1': 0.7999999999999999, 'number': 31}, 'COTS': {'precision': 0.7916666666666666, 'recall': 0.7916666666666666, 'f1': 0.7916666666666666, 'number': 24}, 'Entity': {'precision': 0.7837837837837838, 'recall': 0.8285714285714286, 'f1': 0.8055555555555555, 'number': 35}, 'Function': {'precision': 0.7321428571428571, 'recall': 0.6612903225806451, 'f1': 0.6949152542372881, 'number': 62}, 'Result': {'precision': 0.2857142857142857, 'recall': 0.4, 'f1': 0.3333333333333333, 'number': 10}, 'overall_precision': 0.7514792899408284, 'overall_recall': 0.7298850574712644, 'overall_f1': 0.7405247813411079, 'overall_accuracy': 0.9253499222395023} |
+
+# Metrics per named-entity
+
+| NER-tag   | Precision | Recall | F1   | Support |
+|:---------:|:---------:|:------:|:----:|:-------:|
+| Actor     | 0.86      | 1.00   | 0.92 | 12      |  
+| COTS      | 0.79      | 0.79   | 0.79 | 24      |
+| Function  | 0.73      | 0.66   | 0.69 | 62      |
+| Result    | 0.29      | 0.40   | 0.33 | 10      |
+| Entity    | 0.78      | 0.83   | 0.81 | 35      | 
+| Attribute | 0.92      | 0.71   | 0.80 | 31      | 
 
 ## Model description