/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Опубликована
28 окт 2024

affilgood-affilxlm

Заполнение пропусковТекст → текст3 профессии

Многоязычная XLM-RoBERTa, дополнительно обученная на строках аффилиаций для предсказания маскированных токенов и обработки названий организаций.

28скачиваний за 30 дней0лайковвеса обновлены29 окт 2024

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

AffilGood-AffilXLM — многоязычная модель SIRIS-Lab на архитектуре XLM-RoBERTa, дообученная на задаче предсказания маскированных токенов после дополнительного обучения на 10 миллионах строк аффилиаций из OpenAlex. Она предназначена для работы с текстами организаций и исследовательских аффилиаций; такое предметно-ориентированное обучение улучшило perplexity на отложенных строках аффилиаций с 1,997 до 1,101.

Модель содержит 305,2 млн параметров, принимает текст и предсказывает замаскированные токены в контексте до 514 токенов. В README приведены результаты на связанных задачах извлечения сущностей и выделения фрагментов AffilGood: для NER показатель составил 0,925, для SPAN — 0,927. Эти задачи описаны как оценка полезности адаптивного предобучения и не являются основным pipeline-тегом модели.

Модель выпущена под лицензией Apache 2.0. В README отмечены возможные смещения и нежелательные искажения; при практическом применении необходимо учитывать их влияние на результаты.

Сценарии применения

  • восстановление пропущенных токенов в строках аффилиаций
  • адаптация языковой модели к текстам исследовательских организаций
  • предобучение моделей для извлечения организаций из аффилиаций
  • подготовка к выделению сущностей и фрагментов в строках аффилиаций

Ограничения

Возможны смещения и нежелательные искажения. Результаты NER и выделения фрагментов приведены как оценки на связанных задачах и не означают, что модель имеет соответствующий pipeline-тег.

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

AffilGood-AffilXLM

For the first two tasks, we fine-tuned two RoBERTa and XLM-RoBERTa models for (predominantly) English and multilingual datasets, respectively. Gururangan et al. (2020) show that continuing pre-training language models on task-relevant unlabeled data might contribute to improve the performance of final fine-tuned task-specific models-in particular, in low-resource situations. Considering the fact that the affiliation strings' grammar has its own structure, which is different from the one that would be expected to be found in free natural language, we explore whether our affiliation span identification and NER models would benefit from being fine-tuned from models that have been further pre-trained on raw affiliation strings for the masked token prediction task.

We adatap models to 10 million random raw affiliation strings from OpenAlex, reporting perplexity on 50k randomly held-out affiliation strings. In what follows, we refer to our adapted models as AffilRoBERTa (adapted RoBERTa model) and AffilXLM (adapted XLM-RoBERTa).

Specific details of the adaptive pre-training procedure can be found in Duran-Silva et al. (2024).

Evaluation

We report masked language modeling loss as perplexity measure (PPL) on 50k randomly sampled held-out raw affiliation strings.

ModelPPLbasePPLadapt
RoBERTa1.9721.106
XLM-RoBERTa1.9971.101

AffilGood-AffilRoBERTa achieves competitive performance to 2 tasks in processing affiliation strings, compared to base models

TaskRoBERTaXLMAffilRoBERTaAffilXLM (this model)
AffilGood-NER.910.915.920.925
AffilGood-SPAN.929.931.938.927

Citation

@inproceedings{duran-silva-etal-2024-affilgood,
    title = "{A}ffil{G}ood: Building reliable institution name disambiguation tools to improve scientific literature analysis",
    author = "Duran-Silva, Nicolau  and
      Accuosto, Pablo  and
      Przyby{\l}a, Piotr  and
      Saggion, Horacio",
    editor = "Ghosal, Tirthankar  and
      Singh, Amanpreet  and
      Waard, Anita  and
      Mayr, Philipp  and
      Naik, Aakanksha  and
      Weller, Orion  and
      Lee, Yoonjoo  and
      Shen, Shannon  and
      Qin, Yanxia",
    booktitle = "Proceedings of the Fourth Workshop on Scholarly Document Processing (SDP 2024)",
    month = aug,
    year = "2024",
    address = "Bangkok, Thailand",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2024.sdp-1.13",
    pages = "135--144",
}

Disclaimer

The model published in this repository is intended for a generalist purpose and is made available to third parties under a Apache v2.0 License.

Please keep in mind that the model may have bias and/or any other undesirable distortions. When third parties deploy or provide systems and/or services to other parties using this model (or a system based on it) or become users of the model itself, they should note that it is under their responsibility to mitigate the risks arising from its use and, in any event, to comply with applicable regulations, including regulations regarding the use of Artificial Intelligence.

In no event shall the owners and creators of the model be liable for any results arising from the use made by third parties.

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
XLMRobertaForMaskedLM
Ревизия весов
80945c6

0 моделей