/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
1 июн 2022

SSCI-SciBERT-e4

Заполнение пропусковТекст → текст3 профессии

Предобученная на аннотациях статей по социальным наукам модель BERT для заполнения пропусков и адаптации к анализу научных текстов.

45скачиваний за 30 дней5лайковвеса обновлены24 дек 2022

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

KM4STfulltext/SSCI-SciBERT-e4 — предобученная языковая модель на архитектуре BERT, разработанная для обработки научных текстов в социальных науках. Модель продолжила обучение на аннотациях статей из журналов SSCI за 1986–2021 годы; общий объём обучающего корпуса составил около 503,9 млн слов. Вариант e4 основан на Scibert-scivocab-cased и предназначен для использования с Transformers и PyTorch.

Модель решает задачу заполнения пропусков в тексте и может служить основой для адаптации к классификации названий и аннотаций научных статей, а также распознавания структуры аннотаций. Архитектура содержит около 137,1 млн параметров и поддерживает контекст до 512 токенов. Карточка демонстрирует улучшение результатов на отдельных задачах классификации социальных научных текстов, но эти показатели относятся к конкретным наборам данных и настройкам экспериментов. Лицензия — Apache 2.0.

Сценарии применения

  • заполнение замаскированных слов в аннотациях по социальным наукам
  • дообучение классификатора названий научных статей
  • дообучение классификатора аннотаций статей
  • распознавание структурных частей научной аннотации

Ограничения

Результаты классификации показаны только на конкретных наборах данных и зависят от экспериментальных настроек; для downstream-классификации модель требуется адаптировать. Контекст ограничен 512 токенами.

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

SSCI-BERT: A pretrained language model for social scientific text

Introduction

The research for social science texts needs the support natural language processing tools.

The pre-trained language model has greatly improved the accuracy of text mining in general texts. At present, there is an urgent need for a pre-trained language model specifically for the automatic processing of scientific texts in social science.

We used the abstract of social science research as the training set. Based on the deep language model framework of BERT, we constructed SSCI-BERT and SSCI-SciBERT pre-training language models by transformers/run_mlm.py.

We designed four downstream tasks of Text Classification on different social scientific article corpus to verify the performance of the model.

  • SSCI-BERT and SSCI-SciBERT are trained on the abstract of articles published in SSCI journals from 1986 to 2021. The training set involved in the experiment included a total of 503910614 words.
  • Based on the idea of Domain-Adaptive Pretraining, SSCI-BERT and SSCI-SciBERT combine a large amount of abstracts of scientific articles based on the BERT structure, and continue to train the BERT and SSCI-SciBERT models respectively to obtain pre-training models for the automatic processing of Social science research texts.

News

  • 2022-03-24 : SSCIBERT and SSCI-SciBERT has been put forward for the first time.

How to use

Huggingface Transformers

The from_pretrained method based on Huggingface Transformers can directly obtain SSCI-BERT and SSCI-SciBERT models online.

  • SSCI-BERT
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("KM4STfulltext/SSCI-BERT-e2")

model = AutoModel.from_pretrained("KM4STfulltext/SSCI-BERT-e2")
  • SSCI-SciBERT
from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("KM4STfulltext/SSCI-SciBERT-e2")

model = AutoModel.from_pretrained("KM4STfulltext/SSCI-SciBERT-e2")

Download Models

  • The version of the model we provide is PyTorch.

From Huggingface

From Google Drive

We have put the model on Google Drive for users.

ModelDATASET(year)Base Model
SSCI-BERT-e21986-2021Bert-base-cased
SSCI-SciBERT-e2 (recommended)1986-2021Scibert-scivocab-cased
SSCI-BERT-e41986-2021Bert-base-cased
SSCI-SciBERT-e41986-2021Scibert-scivocab-cased

Evaluation & Results

  • We use SSCI-BERT and SSCI-SciBERT to perform Text Classificationon different social science research corpus. The experimental results are as follows. Relevant data sets are available for download in the Verification task datasets folder of this project.

JCR Title Classify Dataset

Modelaccuracymacro avgweighted avg
Bert-base-cased28.4322.0621.86
Scibert-scivocab-cased38.4833.8933.92
SSCI-BERT-e240.4335.3735.33
SSCI-SciBERT-e241.3537.2737.25
SSCI-BERT-e440.6535.4935.40
SSCI-SciBERT-e441.1336.9636.94
Support230023002300

JCR Abstract Classify Dataset

Modelaccuracymacro avgweighted avg
Bert-base-cased48.5942.842.82
Scibert-scivocab-cased55.5951.451.81
SSCI-BERT-e258.0553.3153.73
SSCI-SciBERT-e259.9556.5157.12
SSCI-BERT-e459.0054.9755.59
SSCI-SciBERT-e460.0056.3856.90
Support220022002200

JCR Mixed Titles and Abstracts Dataset

Modelaccuracymacro avgweighted avg
Bert-base-cased58.2457.2757.25
Scibert-scivocab-cased59.5858.6558.68
SSCI-BERT-e260.8960.2460.30
SSCI-SciBERT-e260.9660.5460.51
SSCI-BERT-e461.0060.4860.43
SSCI-SciBERT-e461.2460.7160.75
Support450045004500

SSCI Abstract Structural Function Recognition (Classify Dataset)

Bert-base-casedSSCI-BERT-e2SSCI-BERT-e4support
B63.7764.2964.63224
P53.6657.1457.9995
M87.6388.4389.06323
R86.8188.2888.47419
C78.3279.8278.95316
accuracy79.5980.980.971377
macro avg74.0475.5975.821377
weighted avg79.0280.3280.441377
Scibert-scivocab-casedSSCI-SciBERT-e2SSCI-SciBERT-e4support
B69.9870.9570.95224
P58.8960.1258.9695
M89.3790.1288.11323
R87.6688.0787.44419
C80.782.6182.94316
accuracy81.6382.7282.061377
macro avg77.3278.3777.681377
weighted avg81.682.5881.921377

Cited

Disclaimer

  • The experimental results presented in the report only show the performance under a specific data set and hyperparameter combination, and cannot represent the essence of each model. The experimental results may change due to random number seeds and computing equipment.
  • Users can use the model arbitrarily within the scope of the license, but we are not responsible for the direct or indirect losses caused by using the content of the project.

Acknowledgment

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
072f29e

0 моделей