/ Модель

Характеристики

Опубликована
13 дек 2023

scibert_scivocab_uncased_field_of_study

Классификация текстаТекст → label5 профессий

Дообученная на научных текстах модель SciBERT для классификации по областям исследований.

27скачиваний за 30 дней5лайковвеса обновлены19 дек 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

allenai/scibert_scivocab_uncased_field_of_study — модель классификации научных текстов по областям исследования, созданная дообучением SciBERT командой AllenAI. Она предназначена для определения области научной публикации или другого научного текста по его содержанию.

Модель использует архитектуру BERT и веса SciBERT, адаптированные для научного словаря. Опубликована в формате PyTorch. README сообщает, что данные для дообучения были собраны с помощью моделей OpenAI, но не раскрывает полный состав набора данных или подробности обучения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • определение области исследования научной статьи
  • автоматическая категоризация научных публикаций
  • разметка научных текстов по дисциплинам
  • предварительная сортировка статей для тематического поиска

Ограничения

Состав меток и подробности обучающих данных в предоставленном README не раскрыты; качество классификации для конкретных дисциплин не описано.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Field of study pytorch model is a finetuned version of allenai/scibert_scivocab_uncased.

Data for finetuning was harvested utlizing OpenAI models using following prompt:

def prompt_with_journal(title, abstract, journal_name):
    message = [
        {"role": "system", "content": "You are a highly intelligent and accurate information extraction system. You take title, abstract, journal name of a \
         scientific article as input and your task is to classify the scientific field of study of the passage.",
         "role": "user", "content": "You need to classify it with key: 'field_of_study' assign as many 'field_of_study' as you find it fit: \
    'Agricultural and Food sciences', \
    'Art', \
    'Biology',\
    'Business',\
    'Chemistry',\
    'Computer science',\
    'Economics',\
    'Education',\
    'Engineering',\
    'Environmental science',\
    'Geography',\
    'Geology',\
    'History',\
    'Law',\
    'Linguistics',\
    'Materials science',\
    'Mathematics',\
    'Medicine',\
    'Philosophy',\
    'Physics',\
    'Political science',\
    'Psychology',\
    'Sociology'\
    Only select from the above list, or 'Other'."},
      
    {"role": "assistant", 
     "content": ("```python \n"
                 f"title = { title } \n"
                 f"abstract = { abstract }\n"
                 f"journal_name = { journal_name }\n"
                  "{'field_of_study': ["
    )},]
    return message

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
07f84bc

0 моделей