Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Опубликована: 27 июн 2024

Ссылки

Hugging Face

results_G1

Sushant0809

Разметка токеновТекст → label

Дообученная на базе BERT модель для разметки в тексте упоминаний о лечении, хронических состояниях, раке и аллергии.

6скачиваний за 30 дней0лайковвеса обновлены29 июн 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

resultsG1 — дообученная модель классификации токенов на базе BERT, опубликованная пользователем Sushant0809. По метрикам оценки модель размечает текст категориями Treatment, Chronic, Cancer, Allergy и Other; взвешенное среднее составляет 0,9309, потери — 0,2389. Набор данных для дообучения не указан.

Модель предназначена для извлечения и разметки упоминаний, связанных с лечением, хроническими состояниями, раком и аллергией. Она основана на bert-base-uncased, содержит 136,7 млн параметров и поддерживает контекст до 512 токенов. Модель принимает и выдаёт текст с метками токенов; базовая модель обучена для английского языка. Лицензия — Apache-2.0.

Сценарии применения

извлечение упоминаний о лечении из текста
поиск хронических состояний в медицинских записях
выделение упоминаний рака в документах
разметка упоминаний аллергии
классификация прочих медицинских сущностей

Ограничения

Данные для дообучения не описаны, поэтому оценки и качество на других наборах или типах медицинского текста не установлены. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results_G1

This model is a fine-tuned version of bert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2389
Treatment: 0.9038
Chronic: 0.9179
Cancer: 0.9009
Allergy: 0.8278
Other: 0.9482
Weighted Avg: 0.9309

Model description

More information needed

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: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 500
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Treatment	Chronic	Cancer	Allergy	Other	Weighted Avg
1.1562	0.2717	100	0.6532	0.6522	0.6504	0.1040	0.0	0.8459	0.7235
0.4683	0.5435	200	0.3505	0.8375	0.8724	0.7987	0.0	0.9169	0.8794
0.329	0.8152	300	0.2931	0.8642	0.8808	0.8561	0.6707	0.9307	0.9030
0.2747	1.0870	400	0.3256	0.8618	0.9007	0.8671	0.7720	0.9269	0.9055
0.2343	1.3587	500	0.2949	0.8779	0.8882	0.8597	0.7990	0.9353	0.9108
0.229	1.6304	600	0.2585	0.8864	0.9017	0.8653	0.8235	0.9385	0.9171
0.1988	1.9022	700	0.2474	0.8793	0.9128	0.8916	0.8265	0.9427	0.9218
0.1591	2.1739	800	0.2588	0.8928	0.9111	0.8853	0.8040	0.9429	0.9235
0.1281	2.4457	900	0.2682	0.8952	0.9121	0.8966	0.815	0.9407	0.9236
0.1298	2.7174	1000	0.2450	0.9015	0.9155	0.8937	0.8152	0.9478	0.9292
0.1053	2.9891	1100	0.2389	0.9038	0.9179	0.9009	0.8278	0.9482	0.9309

Framework versions

Transformers 4.41.2
Pytorch 2.1.2
Datasets 2.19.2
Tokenizers 0.19.1

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: BertForTokenClassification
Ревизия весов: dd337a5