Sequence labeling
------------------------------
- Oba modele zostały wytrenowane na GPU
- Zakomentowany kod dotyczy przetwarzania danych z pomocą dodatkowych tagów ```<alpha>``` i ```<notalpha>``` dołączanych do każdego tokenu. 
- Dodatkowy tag określał czy rozpatrywany token zawiera jedynie litery (metoda w pythonie ```.isalpha()```)
- Kod został zakomentowany ponieważ wyniki jakie dawał model były znacznie gorsze niż wyniki dostarczane przez starszy model nieuwzględniający tej cechy

## Wyniki dla danych DEV-0:
|Model|BIO-F1|F-score on tokens|
|---|---|---|
|Bez wykorzystania dodatkowych specjalnych tagów|0.72120|0.96108|
|Z wykorzystaniem ```<alpha>``` i ```<notalpha>```|0.02011|0.47556|

Po wykonaniu predykcji dane są dodatkowo przetwarzane przez metodę ```process_output()``` w celu korekcji błędów w prefixach B- I-


## Historia uczenia modelu z dodatkowymi tagami:
Przedstawione wyniki są przed wykonaniem metody ```process_output()``` bez której ```geval``` nie mógł przetworzyć rozpoznanych danych
- epoch: 0
f1: 0.0537073084409839
acc: 0.8107132944768248
- epoch: 1
f1: 0.089452662072598
acc: 0.8185401054676659
- epoch: 2
f1: 0.15310687655343827
acc: 0.8247849014709964
- epoch: 3
f1: 0.22250960106591425
acc: 0.8331668054399112
- epoch: 4
f1: 0.2932823798284066
acc: 0.8437690813211213
- epoch: 5
f1: 0.35180547994919253
acc: 0.8530021278564159
- epoch: 6
f1: 0.40077889892016283
acc: 0.8614765473216763
- epoch: 7
f1: 0.4414580649653588
acc: 0.868887038578962
- epoch: 8
f1: 0.47653752277493205
acc: 0.8754278841705986
- epoch: 9
f1: 0.5030662305805396
acc: 0.8805347395688777
- epoch: 10
f1: 0.5222469785969888
acc: 0.8840780830789157
- epoch: 11
f1: 0.5367523662482379
acc: 0.8869738181145341
- epoch: 12
f1: 0.5481466626558373
acc: 0.8890646683319456
- epoch: 13
f1: 0.5576371758117208
acc: 0.8910444999537422
- epoch: 14
f1: 0.5628658861096328
acc: 0.892025164215006