/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
pubmedbert-base-embeddings
Библиотека
sentence-transformers
Опубликована
4 мая 2026

hpo_pubmedbert-rbp-angle

ЭмбеддингиТекст → embedding3 профессии

Англоязычная модель эмбеддингов PubMedBERT для сравнения фенотипов, связывания текстовых упоминаний с HPO и поиска клинически похожих случаев.

651скачиваний за 30 дней2лайкавеса обновлены14 сен 2026

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

HPO-PubMedBERT — дообученная Melland модель эмбеддингов на базе NeuML/pubmedbert-base-embeddings, разработанная для сопоставления понятий Human Phenotype Ontology (HPO) с биомедицинской литературой и клиническими описаниями. Модель использует архитектуру BERT и sentence-transformers, кодирует текст в плотные векторы размерностью 768 и оценивает близость по косинусному сходству. Контекст ограничен 512 токенами по метаданным; в README указана максимальная длина последовательности 256 токенов.

Модель предназначена для семантического сравнения фенотипов, поиска релевантных понятий HPO, сопоставления фенотипических профилей пациентов и индексации биомедицинских документов. Обучение на парах предложений из PubMed с оценками сходства, основанными на пересечении связанных заболеваний, нацелено на клиническую связь фенотипов, а не только на таксономическое родство. README сообщает об улучшении результатов на тестах сходства HPO, связывания упоминаний с HPO и поиска пациентов по сравнению с базовой моделью.

Модель рассчитана на англоязычные тексты в биомедицинской области; на общих текстах и редких фенотипах качество может снижаться. Последовательности длиннее 256 токенов обрезаются согласно README. Лицензия — MIT.

Сценарии применения

  • поиск похожих описаний фенотипов в медицинской литературе
  • сопоставление упоминаний фенотипов с понятиями HPO
  • поиск пациентов по сходству фенотипических профилей
  • ранжирование заболеваний по описанию фенотипов пациента
  • индексация и семантический поиск по биомедицинским документам

Ограничения

Модель специализирована на англоязычных биомедицинских текстах и терминологии HPO, поэтому качество может снижаться на общих текстах и редких фенотипах с малым числом примеров. README указывает усечение последовательностей свыше 256 токенов.

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

HPO-PubMedBERT — Structure-Aware Biomedical Embeddings

This is a neuro-symbolic alignment model that fine-tunes PubMedBERT to bridge the semantic gap between Human Phenotype Ontology (HPO) concepts and clinical literature. It was developed as part of the paper "Structure-Aware Contrastive Learning for Biomedical Embeddings: Bridging the Gap between HPO and Clinical Literature" (IJCAI-ECAI 2026).

The model maps biomedical sentences & phenotype descriptions to a 768-dimensional dense vector space optimized for phenotype similarity — two embeddings are close when their associated HPO terms are clinically related (share disease annotations), not merely taxonomically adjacent.

Compared to the base PubMedBERT, this model achieves:

  • +9% Spearman ρ on HPO semantic similarity
  • +99% Recall@1 on GSC+ gene-disease retrieval
  • 4× improvement in Top-1 accuracy on real-world Phenopacket patient retrieval

Model Description

  • Base Model: NeuML/pubmedbert-base-embeddings
  • Language: English (biomedical domain)
  • Maximum Sequence Length: 256 tokens
  • Output Dimensionality: 768
  • Pooling: Mean token embeddings (attention-weighted)
  • Similarity Function: Cosine similarity
  • Training Data: 270K sentence pairs from PubMed abstracts mentioning HPO terms, supervised by Disease-Overlap (RBP) similarity scores
  • Loss Function: AnglE Loss (angle-optimized, avoids gradient saturation)
  • Training Strategy: Discriminative layer-wise learning rates, bottom 6 encoder layers frozen

Usage

Sentence-Transformers (recommended)

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("Mellandd/hpo_pubmedbert-rbp-angle")
embeddings = model.encode([
    "Abnormality of the nervous system",
    "Seizures and neurodevelopmental delay"
])

# Compute cosine similarity
from sentence_transformers import util
similarity = util.cos_sim(embeddings[0], embeddings[1])

Hugging Face Transformers

from transformers import AutoTokenizer, AutoModel
import torch

def mean_pooling(output, mask):
    embeddings = output[0]
    mask = mask.unsqueeze(-1).expand(embeddings.size()).float()
    return torch.sum(embeddings * mask, 1) / torch.clamp(mask.sum(1), min=1e-9)

tokenizer = AutoTokenizer.from_pretrained("Mellandd/hpo_pubmedbert-rbp-angle")
model = AutoModel.from_pretrained("Mellandd/hpo_pubmedbert-rbp-angle")

sentences = ["Abnormality of the nervous system", "Seizures and neurodevelopmental delay"]
inputs = tokenizer(sentences, padding=True, truncation=True, return_tensors="pt")

with torch.no_grad():
    output = model(**inputs)

embeddings = mean_pooling(output, inputs["attention_mask"])

Evaluation Results

HPO Semantic Textual Similarity (STS)

Pearson and Spearman correlation between model cosine similarity and ground-truth Disease-Overlap (RBP) scores on held-out HPO term pairs:

ModelSpearman ρPearson r
Base PubMedBERT0.7700.889
This model0.8390.939

GSC+ — Mention-to-HPO Linking (228 annotated abstracts, 1,933 annotations)

ModelRecall@1Recall@5MRR
Base PubMedBERT0.1310.2900.209
This model0.2610.4520.320

Real-World Phenopacket Patient Retrieval (6,556 clinical cases)

Matching patients by embedding their phenotype profiles:

ModelTop-1Top-5MRR
Base PubMedBERT0.0420.1140.110
This model0.1750.3410.265

Training

Dataset

Sentence pairs were generated from PubMed abstracts mentioning Human Phenotype Ontology (HPO) terms, with quality filtering including negation detection, enumeration removal, and dynamic context windows (±25 words). Training pairs were formed via Anchor-Based Hard Sampling:

  • 33% Positive: different sentences for the same phenotype
  • 33% Hard Negative: terms with moderate RBP similarity (0.3–0.7) — siblings/cousins sharing some diseases
  • 33% Random Negative: low-similarity terms for global structure preservation

Ground-truth similarity scores use the Disease-Overlap (Relative Best Pair) metric, which measures shared disease annotations between phenotype terms — capturing clinical co-occurrence rather than mere taxonomic proximity.

Hyperparameters

ParameterValue
Loss functionAnglE Loss
Epochs4
Batch size64
Evaluation batch256
Frozen layers6 (embeddings + layers 0-5)
Max learning rate7.87 × 10⁻⁵
Min learning rate1.00 × 10⁻⁶
Weight decay0.05
Warmup ratio6%
Max gradient norm1.0
OptimizerAdamW (β₁=0.9, β₂=0.999, ε=1e-6)
Mixed precisionAMP (CUDA)
Seed13

Discriminative Layer-wise Learning Rates

Bottom 6 layers frozen, top 6 unfrozen with linearly increasing learning rates:

LayerLRParameters
encoder.layer.0-5frozen—
encoder.layer.61.00e-67.09M
encoder.layer.71.65e-57.09M
encoder.layer.83.21e-57.09M
encoder.layer.94.76e-57.09M
encoder.layer.106.32e-57.09M
encoder.layer.117.87e-57.09M
pooler7.87e-50.59M

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: BertModel
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_mean_tokens': True})
)

Intended Use

This model is designed for biomedical phenotype representation and retrieval tasks:

  • Semantic similarity between phenotype descriptions
  • Patient-to-disease matching (embedding disease phenotype profiles and querying with patient phenotypes)
  • Mention-to-HPO concept normalization
  • Document-level phenotype indexing and retrieval

It is not intended for general-domain sentence similarity. The model specializes in clinical/biomedical phenotype vocabulary from the HPO.


Limitations and Biases

  • Domain-specific: Trained exclusively on PubMed biomedical literature and HPO terminology. Performance degrades on general-domain text.
  • Language: English only.
  • HPO coverage: Performance correlates with the number of training sentences available per HPO term; rare phenotypes with limited literature mentions may have weaker representations.
  • Sequence length: Truncated at 256 tokens, suitable for sentences and short paragraphs but not full-length articles.

Citation

TBD - Will update when the IJCAI-ECAI 2026 proceedings are online. Preprint: Here


Dependencies

Environment Versions

LibraryVersion
sentence-transformers5.1.2
transformers4.57.1
PyTorch2.9.1

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
BertModel
Ревизия весов
ec014ee

0 моделей