Дообученная испаноязычная BERT-модель для распознавания и классификации медицинских сущностей в клинических текстах.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
IIC/bert-base-spanish-wwm-cased-meddocan — дообученная модель BERT для обработки испанских клинических текстов на наборе данных MEDDOCAN. Она предназначена для извлечения медицинских сущностей и их классификации по токенам; в README приведён результат F1 0,957 на бенчмарке MEDDOCAN. Модель содержит 137,1 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в форматах PyTorch и Safetensors. Лицензия — CC BY 4.0.
Контекст ограничен 512 токенами; результат F1 0,957 указан для бенчмарка MEDDOCAN и не гарантирует такое же качество на других данных.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model is a finetuned version of bert-base-spanish-wwm-cased for the meddocan dataset used in a benchmark in the paper TODO. The model has a F1 of 0.957
Please refer to the original publication for more information TODO LINK
| parameter | Value |
|---|---|
| batch size | 16 |
| learning rate | 3e-05 |
| classifier dropout | 0.1 |
| warmup ratio | 0 |
| warmup steps | 0 |
| weight decay | 0 |
| optimizer | AdamW |
| epochs | 10 |
| early stopping patience | 3 |
TODO
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…