/ Модель

Характеристики

Контекст
514 токенов
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Опубликована
21 мар 2022

roberta-base-biomedical-clinical-es-finetuned-ner-CRAFT_AugmentedTransfer_ES

Разметка токеновТекст → label3 профессии

Дообученная RoBERTa-base размечает в англоязычных и испаноязычных биомедицинских текстах сущности, включая белки, гены, клетки и химические вещества.

19скачиваний за 30 дней0лайковвеса обновлены21 мар 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

Модель StivenLancheros — дообученная RoBERTa-base для распознавания именованных сущностей в биомедицинских и клинических текстах. Она выделяет шесть типов сущностей: последовательности, клетки, белки, гены, таксоны и химические вещества. Модель обучалась на корпусе CRAFT, включая исходные английские данные, машинный перевод корпуса на испанский и данные с заменой части сущностей; обучение выполнялось в два этапа с переносом обучения.

Модель принимает текст и возвращает разметку токенов с типами сущностей. Она предназначена для извлечения биомедицинских сущностей из англоязычных и испаноязычных текстов; заявленные на тестовом наборе CRAFT показатели F1 — 0,8639 и точность — 0,9734. Размер модели — 153,2 млн параметров, контекст — до 514 токенов. Распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

  • Извлечение названий белков из научных статей
  • Распознавание генов в биомедицинских текстах
  • Поиск названий клеток и таксонов в корпусах CRAFT
  • Разметка химических веществ и последовательностей в англоязычных текстах
  • Разметка биомедицинских сущностей в испанских текстах

Ограничения

Результаты заявлены для оценки на CRAFT; качество на других корпусах и реальных клинических текстах не описано. Испанская часть обучения основана на машинном переводе корпуса.

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

roberta-base-biomedical-clinical-es-finetuned-ner-CRAFT_AugmentedTransfer_ES

This model is a fine-tuned version of StivenLancheros/roberta-base-biomedical-clinical-es-finetuned-ner-CRAFT_Augmented_ES on the CRAFT dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2043
  • Precision: 0.8666
  • Recall: 0.8614
  • F1: 0.8639
  • Accuracy: 0.9734

Model description

This model performs Named Entity Recognition for 6 entity tags: Sequence, Cell, Protein, Gene, Taxon, and Chemical from the CRAFT(Colorado Richly Annotated Full Text) Corpus in Spanish (MT translated) and English. Entity tags have been normalized and replaced from the original three letter code to a full name e.g. B-Protein, I-Chemical.

This model is trained on augmented data created using Entity Replacement. 20% of the entities were replaced using a list of entities for each entity tag obtained from the official ontologies for each entity class. Three datasets (original, augmented, MT translated CRAFT) were concatenated. To improve F1 score the transfer learning was completed in two steps.

Using StivenLancheros/roberta-base-biomedical-clinical-es-finetuned-ner-CRAFT_Augmented_ES as a base model, I finetuned once more on the original CRAFT dataset in English.

Biobert --> Augmented CRAFT --> CRAFT ES (MT translated)

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 4

Training results

Training LossEpochStepValidation LossPrecisionRecallF1Accuracy
0.00881.013600.17930.86160.84870.85510.9721
0.00462.027200.19250.86180.84260.85210.9713
0.00323.040800.19260.85580.86300.85940.9725
0.00114.054400.20430.86660.86140.86390.9734

Framework versions

  • Transformers 4.17.0
  • Pytorch 1.10.0+cu111
  • Datasets 2.0.0
  • Tokenizers 0.11.6

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForTokenClassification
Ревизия весов
f996778

0 моделей