/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
bert · dense
Библиотека
transformers
Опубликована
30 авг 2026

polly-ner-gene-protein

Разметка токеновТекст → label

Модель на основе BiomedBERT находит упоминания генов и белков в биомедицинском тексте и возвращает их границы.

20скачиваний за 30 дней0лайковвеса обновлены30 авг 2026

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

Polly NER Gene/Protein — модель ElucidataInc для распознавания упоминаний генов и белков в тексте. Она дообучена на BiomedBERT и использует архитектуру BERT с классификацией токенов; модель содержит 136,7 млн параметров и принимает контекст до 512 токенов. Результат можно получать как BIO-метки токенов или как символьные интервалы через Polly NER.

Модель подходит для извлечения названий генов и белков из биомедицинских публикаций и другого текста. На наборе bc2gm-test указан micro F1 0,833, а на валидации — 0,844 по точному совпадению границ и меток. Она не выполняет связывание сущностей с базами данных, нормализацию, извлечение отношений, раскрытие сокращений или классификацию утверждений; распознаёт только непрерывные неперекрывающиеся сущности. Для длинных документов вызывающей стороне нужно самостоятельно делить текст на части и обрабатывать границы между ними. Лицензия — MIT.

Сценарии применения

  • извлечение названий генов из научных статей
  • поиск упоминаний белков в биомедицинских публикациях
  • разметка генов и белков в корпусе текстов
  • подготовка биомедицинских текстов для последующего анализа

Ограничения

Распознаёт только непрерывные неперекрывающиеся сущности и не выполняет нормализацию, связывание, извлечение отношений, раскрытие сокращений или классификацию утверждений. Длинные тексты нужно разбивать самостоятельно; предсказания могут быть неполными или ошибочными и требуют проверки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Polly NER token-classification model

Model summary

This standard Transformers token-classification model predicts these configured contiguous entity types: GENE_PROTEIN. Token labels use deterministic BIO encoding, while Polly NER returns character spans.

  • Base model: microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext at immutable revision e1354b7a3a09615f6aba48dfad4b7a613eef7062
  • Polly NER source: https://github.com/ElucidataInc/polly-ner.git at commit 8372b7e9913dfc8d5bb1835c4a1efdd5cecbeb27
  • W&B run: https://wandb.ai/mol-ml/polly-ner/runs/3jwbqco6

Training data references

The private training data is referenced for provenance only. No corpus text, record metadata, predictions, or error examples are included in this repository.

  • train: ElucidataInc/bc2gm-cleaned at b5e4ff67578f83821fdffeda92097533106c2128, configuration default, split train
  • validation: ElucidataInc/bc2gm-cleaned at b5e4ff67578f83821fdffeda92097533106c2128, configuration default, split validation
  • evaluation: ElucidataInc/bc2gm-cleaned at b5e4ff67578f83821fdffeda92097533106c2128, configuration default, split test

Intended uses

  • Detect configured named-entity mentions in caller-supplied text.
  • Run through Polly NER for deterministic character spans or through the native Transformers token-classification pipeline.

Non-goals and limitations

  • This model does not perform entity linking, normalization, relation extraction, abbreviation resolution, or assertion classification.
  • It supports contiguous, non-overlapping entities only.
  • Inputs are not split or truncated. Callers must keep text within the model context limit and manage document chunking and cross-chunk merging themselves.
  • Predictions can be incomplete or incorrect and require task-appropriate review.

Evaluation

Metrics require exact equality of character start, end, and semantic label.

DatasetMicro F1Macro F1RecordsCharacters
validation0.84410522897044490.84410522897044492478378063
bc2gm-test0.83324143363528950.83324143363528954948760629

Training configuration summary

{
  "experiment": "bc2gm-gene-protein-v0.1",
  "gradient_accumulation_steps": 1,
  "learning_rate": 2e-05,
  "mixed_precision": "bf16",
  "num_train_epochs": 5.0,
  "per_device_train_batch_size": 16,
  "seed": 42,
  "warmup_ratio": 0.1,
  "weight_decay": 0.01
}

Polly NER inference

from polly_ner import NERPredictor

predictor = NERPredictor.from_pretrained(
    "ElucidataInc/polly-ner-gene-protein",
    revision="v0.1.0",
)
result = predictor.predict(
    id="example-1",
    text="Example entity text.",
)

Native Transformers inference

from transformers import pipeline

ner = pipeline(
    "token-classification",
    model="ElucidataInc/polly-ner-gene-protein",
    revision="v0.1.0",
    aggregation_strategy="simple",
)
predictions = ner("Example entity text.")

License

The releaser supplied the license identifier mit. Review the license and organizational approval before publication.

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
e325043

0 моделей