请扩充和完善下面句子将BERT预训练模型在THUNCNews数据集上进行微调得到模型在每个新闻类别上的分类精确率、召回率和F1值如表2所示。

BERT预训练模型是一种基于Transformer模型的自然语言处理模型，它通过大规模文本语料的预训练来获取语言的通用表示。为了进一步提高BERT模型在具体任务上的性能，我们将其在THUNCNews数据集上进行微调。该数据集包含了10个新闻类别，包括体育、财经、房产、家居等。在微调过程中，我们使用了交叉熵损失函数和Adam优化器，并设置了适当的学习率和批次大小。经过若干轮的训练，我们得到了一个在THUNCNews数据集上表现优异的BERT分类模型。具体来说，我们计算了模型在每个新闻类别上的分类精确率、召回率和F1值，并将结果汇总在表2中。从结果可以看出，我们的模型在大多数类别上取得了很好的性能，特别是在体育和科技类别上表现尤为突出。这些结果表明，BERT预训练模型在微调后可以有效地应用于新闻分类任务中，为实际应用提供了有力的支持。