/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
bert · dense
Библиотека
transformers
Опубликована
29 окт 2025

BiomedNLP-PubMedBERT-base-uncased-abstract-bc5cdr-ner-v1

Разметка токеновТекст → label3 профессии

Дообученная на BC5CDR модель PubMedBERT для извлечения названий заболеваний и химических веществ из научных аннотаций.

2 007скачиваний за 30 дней0лайковвеса обновлены7 ноя 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

Francesco-A выпустил дообученную модель для распознавания биомедицинских именованных сущностей в текстах научных публикаций. Это модель на базе BERT — PubMedBERT, обученная классифицировать токены в аннотациях PubMed на датасете BC5CDR. Она выделяет названия заболеваний и химических веществ, используя BIO-разметку; размер модели составляет 136,7 млн параметров, максимальная длина контекста — 512 токенов. В README приведены результаты оценки на тестовом наборе BC5CDR: F1 0,8775, точность 0,8582 и полнота 0,8977.

Модель предназначена для извлечения заболеваний и химических веществ из научных аннотаций, например для структурирования биомедицинской литературы. Она обучалась на англоязычном наборе BC5CDR, поэтому перенос на другие типы текстов и наборы сущностей может быть ограничен. Автор указывает, что версия предназначена для обучения и тестирования, а не для клинического или производственного применения. Лицензия — MIT.

Сценарии применения

  • выделение названий заболеваний в аннотациях PubMed
  • извлечение химических веществ из биомедицинских статей
  • разметка сущностей в научных текстах по схеме BIO
  • подготовка структурированных данных из медицинской литературы

Ограничения

Модель предназначена для обучения и тестирования, не для клинического или производственного применения. Возможности обобщения за пределы англоязычного датасета BC5CDR и его категорий сущностей могут быть ограничены.

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

🧬 Biomedical NER — Experimental Model (BC5CDR)

This model is a fine-tuned version of microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract on the bc5cdr dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0835
  • Precision: 0.8582
  • Recall: 0.8977
  • F1: 0.8775
  • Accuracy: 0.9727

This repository hosts a testing version of a biomedical named entity recognition (NER) model fine-tuned on the BC5CDR dataset, which contains PubMed abstracts annotated for diseases and chemicals.

⚠️ Note: This model is shared for educational and testing purposes only. It is not intended for clinical or production use and may not generalize beyond the BC5CDR dataset.

Model overview

  • Base model: PubMedBERT (abstracts) (domain-specific transformer)
  • Task: Named Entity Recognition (token classification)
  • Entities:
    • Chemical
    • Disease
    • O (non-entity tokens)

The model predicts entity spans following the standard BIO tagging scheme, e.g. B-Chemical, I-Disease, O.

Training notebook

The full training and preprocessing pipeline — including dataset preparation, sentence splitting, BIO tagging, and evaluation — is documented in this Kaggle notebook

Example usage

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("Francesco-A/BiomedNLP-PubMedBERT-base-uncased-abstract-bc5cdr-ner-v1")
model = AutoModelForTokenClassification.from_pretrained("Francesco-A/BiomedNLP-PubMedBERT-base-uncased-abstract-bc5cdr-ner-v1")

ner = pipeline("token-classification", model=model, tokenizer=tokenizer, aggregation_strategy="first")

demo_texts = [
    "Aspirin is often used to treat inflammation, but may cause gastric bleeding.",
    "Naloxone reverses the antihypertensive effect of clonidine.",
]

for t in demo_texts:
    print("\nText:", t)
    preds = ner(t)
    for p in preds:
        print(f'  - {p["word"]}: {p["entity_group"]} (score {p["score"]:.2f})')

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-5
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 256
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 8
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossPrecisionRecallF1Accuracy
No log0.9836150.57750.02990.00020.00040.8627
No log1.9672300.23320.72520.57530.64160.9284
No log2.9508450.12370.76100.82650.79240.9606
No log4.0610.09370.83640.88590.86050.9690
No log4.9836760.08600.85100.89270.87140.9714
No log5.9672910.08330.85020.89950.87410.9724
0.35136.95081060.08590.84940.89920.87360.9714
0.35137.86891200.08350.85820.89770.87750.9727

Framework versions

  • Transformers 4.45.0
  • Pytorch 2.6.0+cu124
  • Datasets 3.6.0
  • 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
5e80093

0 моделей