/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
2 мар 2022

coder_all

ЭмбеддингиТекст → embedding3 профессии

Многоязычная BERT-модель CODER формирует эмбеддинги медицинских терминов для их нормализации и сопоставления между языками.

110скачиваний за 30 дней3лайкавеса обновлены9 мар 2023

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

CODER — многоязычная модель представления медицинских терминов, разработанная Zheng Yuan, Zhengyun Zhao, Haixia Sun, Jiao Li, Fei Wang и Sheng Yu. Она предназначена для нормализации медицинских терминов и сопоставления эквивалентных понятий на разных языках. Подход объединяет знания из медицинского графа знаний с контрастивным обучением, чтобы формировать эмбеддинги терминов.

Модель построена на архитектуре BERT и содержит около 205,1 млн параметров. Она принимает текст и выдаёт векторные представления; максимальная длина контекста — 512 токенов. В карточке заявлена поддержка английского языка и указана многоязычная версия, но полный перечень языков не приведён. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • нормализация медицинских терминов
  • сопоставление эквивалентных медицинских понятий на разных языках
  • поиск близких медицинских терминов по эмбеддингам

Ограничения

Контекст ограничен 512 токенами. Полный перечень поддерживаемых языков не приведён.

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

CODER: Knowledge infused cross-lingual medical term embedding for term normalization.

Multi lingual Version.

Github Link: https://github.com/GanjinZero/CODER

@article{YUAN2022103983,
title = {CODER: Knowledge-infused cross-lingual medical term embedding for term normalization},
journal = {Journal of Biomedical Informatics},
pages = {103983},
year = {2022},
issn = {1532-0464},
doi = {https://doi.org/10.1016/j.jbi.2021.103983},
url = {https://www.sciencedirect.com/science/article/pii/S1532046421003129},
author = {Zheng Yuan and Zhengyun Zhao and Haixia Sun and Jiao Li and Fei Wang and Sheng Yu},
keywords = {medical term normalization, cross-lingual, medical term representation, knowledge graph embedding, contrastive learning}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
f9985ac

0 моделей