/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
Своя лицензия
Архитектура
xlm-roberta · dense
Библиотека
sentence-transformers
Опубликована
23 июн 2024

BioLORD-2023-M-Dutch-InContext-v1

ЭмбеддингиТекст → embedding5 профессий

Модель XLM-RoBERTa создаёт контекстные эмбеддинги биомедицинских упоминаний на нидерландском и английском языках для поиска, сравнения и кластеризации.

15 941скачиваний за 30 дней4лайкавеса обновлены24 июн 2024

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

FremyCompany/BioLORD-2023-M-Dutch-InContext-v1 — модель эмбеддингов на базе XLM-RoBERTa, разработанная Франсуа Реми, Крисом Демуйнком и Томасом Дестермером. Она преобразует фразы и предложения в плотные векторы размерности 768 для сравнения семантической близости, кластеризации и семантического поиска. Модель дообучена для биомедицинской области и особенно подходит для клинических записей и медицинских документов.

Модель кодирует биомедицинские упоминания на нидерландском и английском языках, учитывая контекст упоминания. Для этого используется шаблон «упоминание [SEP] (context: пример текста с упоминанием и окружающим текстом)». Поддерживается также кодирование упоминаний без контекста, особенно на английском. В отличие от других моделей серии, для представления упоминания используется токен CLS. Размер модели — 305,2 млн параметров, длина контекста — 514 токенов.

Лицензия указана как other; конкретные условия в доступных данных не описаны. Модель сохраняет способность строить эмбеддинги для текстов общего назначения, но ориентирована прежде всего на биомедицинские тексты.

Сценарии применения

  • семантический поиск по клиническим записям
  • сравнение биомедицинских понятий с учётом контекста
  • кластеризация медицинских предложений и фраз
  • поиск похожих упоминаний в электронных медицинских картах
  • создание эмбеддингов для извлечения клинических понятий

Ограничения

Наиболее полезна для биомедицинских и клинических текстов; для упоминаний вне контекста README отдельно выделяет поддержку английского языка. Условия лицензии типа other в доступных данных не раскрыты.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

In-Context Dutch Clinical Embeddings with BioLORD & MedMentions

Do mentions sharing the same text need to have the same embedding? No!

This model supports embedding biomedical entities in both English and Dutch, but allows the in-context embedding of concepts, using the following template:

mention text [SEP] (context: ... a textual example containing mention text and some more text on both sides ...)

It also supports embedding mentions without context, particularly in English. NOTE: Unlike other models in the series, this model uses the [CLS] token to embed the mention.

References

📖 BioLORD-2023: semantic textual representations fusing large language models and clinical knowledge graph insights

Journal of the American Medical Informatics Association, 2024 François Remy, Kris Demuynck, Thomas Demeester view online

📖 Annotation-preserving machine translation of English corpora to validate Dutch clinical concept extraction tools

Under review, with a preprint available on Medrxiv.org, 2024 Tom Seinen, Jan Kors, Erik van Mulligen, Peter Rijnbeek view online

Citation

This model accompanies the BioLORD-2023: Learning Ontological Representations from Definitions paper. When you use this model, please cite the original paper as follows:

@article{remy-etal-2023-biolord,
    author = {Remy, François and Demuynck, Kris and Demeester, Thomas},
    title = "{BioLORD-2023: semantic textual representations fusing large language models and clinical knowledge graph insights}",
    journal = {Journal of the American Medical Informatics Association},
    pages = {ocae029},
    year = {2024},
    month = {02},
    issn = {1527-974X},
    doi = {10.1093/jamia/ocae029},
    url = {https://doi.org/10.1093/jamia/ocae029},
    eprint = {https://academic.oup.com/jamia/advance-article-pdf/doi/10.1093/jamia/ocae029/56772025/ocae029.pdf},
}

Usage (Sentence-Transformers)

This is a sentence-transformers model: It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search. This model has been finentuned for the biomedical domain. While it preserves a good ability to produce embeddings for general-purpose text, it will be more useful to you if you are trying to process medical documents such as EHR records or clinical notes. Both sentences and phrases can be embedded in the same latent space.

Using this model becomes easy when you have sentence-transformers installed:

pip install -U sentence-transformers

Then you can use the model like this:

from sentence_transformers import SentenceTransformer
sentences = ["wond door kattenscrab", "kattenkrabziekte", "bartonellosis"]

model = SentenceTransformer('FremyCompany/BioLORD-2023-M-Dutch-InContext-v1 ')
embeddings = model.encode(sentences)
print(embeddings)

Usage (HuggingFace Transformers)

Without sentence-transformers, you can use the model like this: First, you pass your input through the transformer model, then you have to apply the right pooling-operation on-top of the contextualized word embeddings.

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

#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)

# Sentences we want sentence embeddings for
sentences = ["wond door kattenscrab", "kattenkrabziekte", "bartonellosis"]

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('FremyCompany/BioLORD-2023-M-Dutch-InContext-v1 ')
model = AutoModel.from_pretrained('FremyCompany/BioLORD-2023-M')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)
# Perform pooling
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
# Normalize embeddings
sentence_embeddings = F.normalize(sentence_embeddings, p=2, dim=1)
print("Sentence embeddings:")
print(sentence_embeddings)

License

My own contributions for this model are covered by the MIT license. However, given the data used to train this model originates from UMLS and SnomedCT, you will need to ensure you have proper licensing of UMLS and SnomedCT before using this model. Both UMLS and SnomedCT are free of charge in most countries, but you might have to create an account and report on your usage of the data yearly to keep a valid license.

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaModel
Ревизия весов
4db8f4e

0 моделей