/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
distilbert-base-multilingual-cased
Библиотека
transformers
Опубликована
28 мая 2024

citation-parser-TYPE

Классификация текстаТекст → label4 профессии

Многоязычная модель DistilBERT от SIRIS Lab классифицирует библиографические ссылки как действительные или недействительные для автоматической предварительной проверки.

474скачиваний за 30 дней1лайквеса 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 эту модель для предварительной проверки библиографических ссылок в составе Citation Parser. Это дообученная DistilBERT-base-multilingual-cased с архитектурой BERT для классификации последовательностей: она относит текст ссылки к действительным или недействительным. Модель рассчитана на автоматизацию проверки ссылок в библиографических базах и рабочих процессах подготовки рукописей.

Модель содержит около 205,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в формате safetensors для Transformers. Основа многоязычная, однако оценка проводилась на английских ссылках; в описании приведены результаты на тестовой выборке: accuracy 0,95 и macro F1 0,94. Модель распространяется по лицензии Apache 2.0.

Сценарии применения

  • отсеивание некорректных ссылок в библиографических базах
  • проверка ссылок в рукописях перед отправкой
  • автоматическая предварительная валидация библиографии
  • классификация текстов ссылок в конвейере извлечения метаданных

Ограничения

Качество оценивалось на английских ссылках, поэтому точность для других языков не подтверждена. Модель классифицирует пригодность текста ссылки, но сама по себе не извлекает и не проверяет истинность библиографических метаданных.

Для каких профессий подходит4

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

Citation Pre-Screening

Overview

  • Model type: Language Model
  • Architecture: DistilBERT
  • Language: Multilingual
  • License: Apache 2.0
  • Task: Binary Classification (Citation Pre-Screening)
  • Dataset: SIRIS-Lab/citation-parser-TYPE
  • Additional Resources:

Model description

The Citation Pre-Screening model is part of the Citation Parser package and is fine-tuned for classifying citation texts as valid or invalid. This model, based on DistilBERT, is specifically designed for automated citation processing workflows, making it an essential component of the Citation Parser tool for citation metadata extraction and validation.

The model was trained on a dataset containing citation texts, with the labels True (valid citation) and False (invalid citation). The dataset contains 3599 training samples and 400 test samples, with each example consisting of citation-related text and a corresponding label.

The fine-tuning process was done with the DistilBERT-base-multilingual-cased architecture, making the model capable of handling multilingual text, but it was evaluated on English citation data.

Intended Usage

This model is intended to classify raw citation text as either a valid or invalid citation based on the provided input. It is ideal for automating the pre-screening process in citation databases or manuscript workflows.

How to use

from transformers import pipeline

# Load the model
citation_classifier = pipeline("text-classification", model="sirisacademic/citation-pre-screening")

# 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》"

# Classify the citation
result = citation_classifier(citation_text)
print(result)

Training

The model was trained using the Citation Pre-Screening Dataset consisting of:

  • Training data: 3599 samples
  • Test data: 400 samples

The following hyperparameters were used for training:

  • Model Path: distilbert/distilbert-base-multilingual-cased
  • Batch Size: 32
  • Number of Epochs: 4
  • Learning Rate: 2e-5
  • Max Sequence Length: 512

Evaluation Metrics

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

MetricValue
Accuracy0.95
Macro avg F10.94
Weighted avg F10.95

Additional information

Authors

  • SIRIS Lab, Research Division of SIRIS Academic.

License

This work is distributed under a 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 · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
3744ac8

0 моделей