/ Модель

Характеристики

Контекст
514 токенов
Параметры
153 млн
Архитектура
roberta · dense
Базовая модель
CardioBERTa.es
Библиотека
transformers
Опубликована
19 авг 2026

CardioBERTa.es_GP_translations_only

ЭмбеддингиТекст → embedding3 профессии

Испаноязычный биомедицинский энкодер для векторизации клинических терминов, нормализации понятий и связывания упоминаний с концептами UMLS.

11скачиваний за 30 дней0лайковвеса обновлены19 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DT4H/CardioBERTa.es_GP_translations_only — испаноязычный биомедицинский энкодер терминологии, разработанный командой DT4H на базе CardioBERTa.es. Модель семейства RoBERTa преобразует клинические термины и текст в векторные представления для нормализации понятий и связывания упоминаний с концептами UMLS. Она содержит 153,2 млн параметров, принимает текстовые последовательности длиной до 514 токенов и распространяется в формате safetensors.

Модель дообучена на 4 701 649 триплетах терминов, охватывающих 476 968 CUI и 530 009 уникальных нормализованных терминов. В обучении использованы связи с родительскими и родительскими на уровень выше понятиями; сбор терминов относится к варианту translations_only. Модель предназначена для поиска кандидатов, построения терминологических эмбеддингов и клинических NLP-конвейеров, особенно в кардиологии. Обучающие терминологические данные не включены в репозиторий из-за условий лицензирования UMLS. Лицензия самой модели в доступных данных не приведена.

Сценарии применения

  • Поиск соответствующих понятий UMLS по испанскому клиническому термину
  • Нормализация медицинских терминов в испаноязычных текстах
  • Извлечение кандидатов для связывания клинических сущностей
  • Построение векторного индекса испанской кардиологической терминологии
  • Сопоставление синонимичных биомедицинских терминов

Ограничения

Модель предназначена для формирования терминологических представлений и поиска понятий, а не для прямого принятия клинических решений. Обучающие терминологические данные не распространяются вместе с моделью из-за условий лицензирования UMLS.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DT4H_CardioBERTa_grandparents_es_translations_only

DT4H_CardioBERTa_grandparents_es_translations_only is a Spanish biomedical terminology encoder for clinical concept normalization and entity linking. It is initialized from [DT4H/CardioBERTa.es] and specialized using CUI-supervised terminology pairs and metric learning.

Backbone

The backbone belongs to the CardioBERTa family from CardioLM - a multilingual suite of small language models for the cardiology domain. CardioBERTa comprises language-specific encoder models adapted to cardiology through continued pretraining on monolingual biomedical and cardiology-related corpora using Masked Language Modeling (MLM). The family covers Czech, Dutch, English, Italian, Romanian, Spanish and Swedish.

Training

LanguageSpanish (es)
Triplet collectiontranslations_only
Strategygrandparents
ObjectiveMulti-Similarity Loss
MiningAll triplets, margin 0.2
PoolingCLS
Epochs1
Batch size256
Learning rate2e-5
Max. length25

CUI-supervised terminology pairs enriched with grandparent-level ontology relations.

Terminology statistics

StrategyTripletsCUIsUnique termsUnique positivesTerms/CUIΔ terms
synonyms69,27769,277136,23368,7122.000
parents1,593,029476,344529,722418,4633.92+393,489
grandparents4,701,649476,968530,009468,3249.82+393,776

This model uses 4,701,649 triplets, covering 476,968 CUIs and 530,009 unique normalized terms.

The training terminology is not distributed with this repository because it contains resources subject to UMLS licensing conditions. Only aggregate statistics are released.

Intended use

The model is intended for terminology embedding, biomedical candidate retrieval, concept normalization and entity linking, particularly in cardiology and clinical NLP pipelines. It is not intended for direct clinical decision-making.

Usage

import torch
import torch.nn.functional as F
from transformers import AutoModel, AutoTokenizer

model_id = "DT4H/DT4H_CardioBERTa_grandparents_es_translations_only"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModel.from_pretrained(model_id)

inputs = tokenizer(
    "clinical concept",
    return_tensors="pt",
    truncation=True,
    max_length=25,
)

with torch.no_grad():
    output = model(**inputs)

embedding = F.normalize(
    output.last_hidden_state[:, 0, :],
    p=2,
    dim=1,
)

Reference

Danu et al. CardioLM - a multilingual suite of small language models for the cardiology domain.

Developed within the DataTools4Heart (DT4H) project, Grant Agreement 101057849.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaModel
Ревизия весов
70e59ed

0 моделей