/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Базовая модель
distilbert-base-multilingual-cased
Библиотека
transformers
Опубликована
29 мая 2024

citation-parser-ENTITY

Разметка токеновТекст → label5 профессий

Многоязычная модель SIRIS Lab выделяет авторов, названия и другие библиографические поля из текста научных цитат.

587скачиваний за 30 дней3лайкавеса обновлены2 окт 2025

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

SIRIS Lab разработала модель распознавания сущностей для разбора библиографических ссылок; она входит в пакет Citation Parser. Модель на базе DistilBERT дообучена для выделения из текста ссылок названий публикаций, авторов, тома, выпуска, года, DOI, ISSN, ISBN, страниц, журнала и редакторов.

Модель предназначена для преобразования неструктурированных цитат в поля метаданных в академических базах данных, редакционных процессах подготовки рукописей и инструментах анализа цитирования. Она обрабатывает многоязычный текст, использует архитектуру RoBERTa для классификации токенов и имеет 151,8 млн параметров и контекст до 514 токенов. В README приведена оценка F1 0,9498 на тестовой выборке из 269 примеров.

Модель распространяется по лицензии Apache 2.0. Результаты оценки получены на небольшом тестовом наборе; качество на других языках, форматах ссылок и реальных источниках может отличаться.

Сценарии применения

  • извлечение DOI, ISBN и ISSN из библиографических ссылок
  • выделение авторов и названий публикаций из списка литературы
  • разбор ссылок на статьи для академической базы данных
  • извлечение года, журнала, тома и выпуска из цитат
  • автоматизация разбора библиографии в редакционном процессе

Ограничения

Оценка в README рассчитана на тестовой выборке из 269 примеров, поэтому качество на других форматах цитирования и языках может отличаться. Контекст ограничен 514 токенами.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Citation Parsing (NER)

The Citation Parsing (NER) model utilizes advanced Named Entity Recognition (NER) to extract key fields from citation texts. This model parses citations into structured data fields such as TITLE, AUTHORS, VOLUME, ISSUE, YEAR, DOI, ISSN, ISBN, FIRST_PAGE, LAST_PAGE, JOURNAL, and EDITOR.

Overview

  • Model type: Language Model
  • Architecture: DistilBERT
  • Language: Multilingual
  • License: Apache 2.0
  • Task: Named Entity Recognition (NER) for Citation Parsing
  • Dataset: Custom Citation Parsing Dataset
  • Additional Resources:

Model description

The Citation Parsing (NER) model is part of the Citation Parser package. It is fine-tuned for extracting structured information from citation texts into the following key fields:

  • TITLE
  • AUTHORS
  • VOLUME
  • ISSUE
  • YEAR
  • DOI
  • ISSN
  • ISBN
  • FIRST_PAGE
  • LAST_PAGE
  • JOURNAL
  • EDITOR

This model was trained using the DistilBERT-base-multilingual-cased architecture, making it capable of processing multilingual citation data.

Intended Usage

This model is designed for extracting citation information and parsing raw citation text into structured fields. It is ideal for automating citation metadata extraction in academic databases, manuscript workflows, or citation analysis tools.

How to use

from transformers import pipeline

# Load the model
citation_parser = pipeline("ner", model="SIRIS-Lab/citation-parser-ENTITY")

# Example citation text
citation_text = "MURAKAMI, H等: 'Unique thermal behavior of acrylic PSAs bearing long alkyl side groups and crosslinked by aluminum chelate', 《EUROPEAN POLYMER JOURNAL》"

# Parse the citation
result = citation_parser(citation_text)
print(result)

Training

The model was trained using the SIRIS-Lab/citation-parser-ENTITY dataset consisting of:

  • Training data: 2419 samples
  • Test data: 269 samples

The following hyperparameters were used for training:

  • Base Model: distilbert/distilbert-base-multilingual-cased
  • Batch Size: 16
  • Number of Epochs: 10
  • Learning Rate: 2e-5
  • Weight Decay: 0.01
  • Max Sequence Length: 512

Evaluation Metrics

The model's performance was evaluated on the test set, and the following results were obtained:

MetricValue
Overall Precision0.9448
Overall Recall0.9548
Overall F10.9498
Overall Accuracy0.9759

Class-wise Evaluation Metrics:

EntityPrecisionRecallF1Samples
ALL (overall avg)0.94480.95480.9498269
--------------------------------------------------------------------------------
AUTHORS0.95770.94680.9522263
DOI0.83330.90910.869622
ISBN1.00001.00001.00003
ISSN1.00001.00001.000034
ISSUE0.93850.96830.953163
JOURNAL0.88190.92280.9019259
LINK_ONLINE_AVAILABILITY0.33330.50000.40002
PAGE_FIRST1.00001.00001.0000130
PAGE_LAST0.99150.98320.9873119
PUBLICATION_YEAR0.97970.97320.9764149
PUBLISHER0.42310.52380.468121
TITLE0.99110.98670.9889226
VOLUME0.95970.95200.9558125

Additional Information

Authors

SIRIS Lab, Research Division of SIRIS Academic.

License

This work is distributed under an Apache License, Version 2.0.

Contact

For further information, send an email to either nicolau.duransilva@sirisacademic.com or info@sirisacademic.com.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForTokenClassification
Ревизия весов
cb76531

0 моделей