/ Модель

Характеристики

Контекст
512 токенов
Параметры
195 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
2 мар 2022

WellcomeBertMesh

Классификация текстаТекст → label3 профессии

Модель Wellcome Trust на основе PubMedBERT автоматически присваивает биомедицинским текстам предметные рубрики MeSH.

3 308скачиваний за 30 дней6лайковвеса обновлены26 апр 2023

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

WellcomeBertMesh — модель команды по анализу данных Wellcome Trust для присвоения медицинским текстам предметных рубрик MeSH. Она предназначена прежде всего для разметки биомедицинских грантов, а также может применяться к аннотациям биомедицинских публикаций и близким по тематике текстам.

Модель основана на PubMedBERT от Microsoft и использует архитектуру BERT с многометочной attention-головой, которая учитывает разные фрагменты текста для каждой метки. Обучение проводилось на аннотациях PubMed из BioASQ за 2016–2019 годы; для тестирования использовались данные за 2020–2021 годы. Размер составляет 194,8 млн параметров, максимальная длина контекста — 512 токенов. В описанном тестировании модель достигла micro-F1 63% при пороге 0,5 для всех меток.

Модель подходит для автоматической индексации биомедицинских документов и поддержки тематического поиска. Её качество подтверждено для данных, близких к аннотациям биомедицинских публикаций; на других типах текстов и в иных предметных областях качество может быть ниже. Лицензия — Apache-2.0.

Сценарии применения

  • разметка медицинских грантов рубриками MeSH
  • индексация аннотаций биомедицинских публикаций
  • назначение нескольких медицинских тематических меток одному тексту
  • подготовка биомедицинских документов к тематическому поиску

Ограничения

В тестировании на данных BioASQ модель показала micro-F1 63% при пороге 0,5. Она обучена на аннотациях биомедицинских публикаций, поэтому качество на текстах, существенно отличающихся от этой области, может быть ниже.

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

WellcomeBertMesh

WellcomeBertMesh is build from the data science team at the WellcomeTrust to tag biomedical grants with Medical Subject Headings (Mesh). Even though developed with the intention to be used towards research grants, it should be applicable to any type of biomedical text close to the domain it was trained which is abstracts from biomedical publications.

Model description

The model is inspired from BertMesh which is trained on the full text of biomedical publications and uses BioBert as its pretrained model.

WellcomeBertMesh is utilising the latest state of the art model in the biomedical domain which is PubMedBert from Microsoft and attach a Multilabel attention head which essentially allows the model to pay attention to different tokens per label to decide whether it applies.

We train the model using data from the BioASQ competition which consists of abstracts from PubMed publications. We use 2016-2019 data for training and 2020-2021 for testing which gives us ~2.5M publications to train and 220K to test. This is out of a total of 14M publications. It takes 4 days to train WellcomeBertMesh on 8 Nvidia P100 GPUs.

The model achieves 63% micro f1 with a 0.5 threshold for all labels.

The code for developing the model is open source and can be found in https://github.com/wellcometrust/grants_tagger

How to use

⚠️ You need transformers 4.17+ for the example to work due to its recent support for custom models.

You can use the model straight from the hub but because it contains a custom forward function due to the multilabel attention head you have to pass trust_remote_code=True. You can get access to the probabilities for all labels by omitting return_labels=True.

from transformers import AutoModel, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained(
  "Wellcome/WellcomeBertMesh"
)
model = AutoModel.from_pretrained(
  "Wellcome/WellcomeBertMesh",
  trust_remote_code=True
)

text = "This grant is about malaria and not about HIV."
inputs = tokenizer([text], padding="max_length")
labels = model(**inputs, return_labels=True)
print(labels)

You can inspect the model code if you navigate to the files and see model.py.

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertMesh
Ревизия весов
56e1a5f

0 моделей