/ Модель

Характеристики

Контекст
512 токенов
Параметры
135 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
BioLinkBERT-base
Библиотека
transformers
Опубликована
11 сен 2025

SourceData_NER_v1_0_0_BioLinkBERT_base

Разметка токеновТекст → label4 профессии

Дообученная на биомедицинских данных модель BioLinkBERT для распознавания сущностей и разметки токенов в научных текстах.

31скачиваний за 30 дней0лайковвеса обновлены11 сен 2025

Бенчмарки

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

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

EMBO разработала EMBO/SourceData_NER_v1_0_0_BioLinkBERT_base — дообученную на наборе source_data модель BioLinkBERT-base для классификации токенов. Она предназначена для распознавания сущностей в биомедицинских текстах, например для извлечения терминов из научных публикаций. Модель построена на архитектуре BERT, содержит 135,4 млн параметров и принимает последовательности длиной до 512 токенов.

В README указаны результаты оценки: accuracy 0,9565, precision 0,8159, recall 0,8538 и F1 0,8344; они относятся к использованному набору оценки и не гарантируют аналогичного качества на других данных. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • извлечение биомедицинских сущностей из статей
  • разметка терминов в аннотациях PubMed
  • автоматическая разметка токенов научных текстов
  • подготовка сущностей для поиска по биомедицинской литературе

Ограничения

Оценочные метрики приведены для конкретного evaluation set и могут не отражать качество на других текстах. README не описывает используемую схему меток и ограничения по типам сущностей.

Для каких профессий подходит4

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

SourceData_NER_v1_0_0_BioLinkBERT_base

This model is a fine-tuned version of michiyasunaga/BioLinkBERT-base on the source_data dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1369
  • Accuracy Score: 0.9565
  • Precision: 0.8159
  • Recall: 0.8538
  • F1: 0.8344

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 64
  • eval_batch_size: 128
  • seed: 42
  • optimizer: Use adafactor and the args are: No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 2.0

Training results

Training LossEpochStepValidation LossAccuracy ScorePrecisionRecallF1
0.11381.08640.13570.95350.81850.82970.8241
0.08072.017280.13690.95650.81590.85380.8344

Framework versions

  • Transformers 4.46.3
  • Pytorch 1.13.1+cu117
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForTokenClassification
Ревизия весов
4f7d861

0 моделей