Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: results_G1
Опубликована: 27 июн 2024

Ссылки

results_G2

Разметка токеновТекст → label3 профессии

Дообученная BERT-модель для разметки токенов по категориям, связанным с лечением, хроническими состояниями, раком и аллергией.

26скачиваний 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

resultsG2 — модель токенной классификации на архитектуре BERT, разработанная Sushant0809 и дообученная на базе Sushant0809/results_G1. Она предназначена для разметки отдельных токенов; приведённые метрики показывают результаты по категориям Treatment, Chronic, Cancer, Allergy и Other на оценочном наборе данных. Размер модели — 136,7 млн параметров, максимальный контекст — 512 токенов. Модель принимает текст и выдаёт метки для его токенов.

Модель распространяется в формате safetensors по лицензии Apache-2.0. В README приведены метрики оценки, но не описаны датасет, схема разметки и условия применения, поэтому результаты вне указанной оценки могут отличаться.

Сценарии применения

разметка упоминаний лечения в тексте
выделение хронических состояний в медицинских записях
поиск упоминаний рака в тексте
извлечение упоминаний аллергии
классификация прочих токенов по меткам модели

Ограничения

README не раскрывает обучающий датасет и точную схему разметки; приведённые метрики относятся только к указанному оценочному набору. Максимальная длина контекста составляет 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей IV.3Отраслевые задачиСтрахование и актуарные задачиAI помогает оценивать риски, обрабатывать убытки и управлять страховым портфелем.30 задач563модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

results_G2

This model is a fine-tuned version of Sushant0809/results_G1 on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2192
Treatment: 0.9042
Chronic: 0.9030
Cancer: 0.8800
Allergy: 0.8330
Other: 0.9448
Weighted Avg: 0.9253

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
0.2471	0.3040	100	0.2212	0.9060	0.9058	0.8874	0.8314	0.9453	0.9268
0.2427	0.6079	200	0.2192	0.9042	0.9030	0.8800	0.8330	0.9448	0.9253
0.2382	0.9119	300	0.2203	0.9040	0.9052	0.8804	0.8124	0.9461	0.9262
0.1912	1.2158	400	0.2292	0.8987	0.9001	0.8861	0.8421	0.9454	0.9246
0.2118	1.5198	500	0.2262	0.8947	0.9006	0.8778	0.8004	0.9436	0.9220
0.1922	1.8237	600	0.2419	0.9021	0.8946	0.8734	0.8361	0.9438	0.9226
0.1604	2.1277	700	0.2764	0.9018	0.9001	0.8769	0.8435	0.9459	0.9249

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: 5851c6d