/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Архитектура
xlm-roberta · dense
Опубликована
2 мар 2022

SapBERT-UMLS-2020AB-all-lang-from-XLMR-large

ЭмбеддингиТекст → embedding3 профессии

Многоязычная биомедицинская модель на основе XLM-RoBERTa для преобразования названий медицинских сущностей в эмбеддинги.

2 314скачиваний за 30 дней4лайкавеса обновлены14 июн 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

SapBERT-UMLS-2020AB-all-lang-from-XLMR-large — многоязычная биомедицинская модель Cambridgeltl для получения векторных представлений названий сущностей и медицинских терминов. Она основана на XLM-RoBERTa large и обучена на UMLS 2020AB с использованием SapBERT; для представления входной строки рекомендуется брать вектор токена [CLS]. Модель содержит 658,7 млн параметров, принимает текст и имеет контекстное окно 514 токенов.

Модель предназначена для извлечения признаков и сравнения биомедицинских терминов между языками, например для поиска соответствий между названиями медицинских сущностей и семантического поиска. В карточке указаны многоязычность и связь с UMLS; конкретные поддерживаемые языки не перечислены. Репозиторий содержит веса PyTorch. Лицензия и ограничения на использование в README и предоставленных метаданных не описаны.

Сценарии применения

  • извлечение эмбеддингов медицинских терминов
  • поиск семантически близких названий биомедицинских сущностей
  • сопоставление медицинских терминов между языками
  • представление названий сущностей из UMLS для последующего поиска

Ограничения

README не перечисляет конкретные поддерживаемые языки и не указывает лицензию. Вектор для строки предлагается получать из токена [CLS]; карточка не описывает дополнительные интерфейсы или ограничения применения.

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

language: multilingual

tags:

  • biomedical
  • lexical-semantics
  • cross-lingual

datasets:

  • UMLS

[news] A cross-lingual extension of SapBERT will appear in the main onference of ACL 2021! [news] SapBERT will appear in the conference proceedings of NAACL 2021!

SapBERT-XLMR

SapBERT (Liu et al. 2021) trained with UMLS 2020AB, using xlm-roberta-large as the base model. Please use [CLS] as the representation of the input.

Extracting embeddings from SapBERT

The following script converts a list of strings (entity names) into embeddings.

import numpy as np
import torch
from tqdm.auto import tqdm
from transformers import AutoTokenizer, AutoModel  

tokenizer = AutoTokenizer.from_pretrained("cambridgeltl/SapBERT-from-PubMedBERT-fulltext")  
model = AutoModel.from_pretrained("cambridgeltl/SapBERT-from-PubMedBERT-fulltext").cuda()

# replace with your own list of entity names
all_names = ["covid-19", "Coronavirus infection", "high fever", "Tumor of posterior wall of oropharynx"] 

bs = 128 # batch size during inference
all_embs = []
for i in tqdm(np.arange(0, len(all_names), bs)):
    toks = tokenizer.batch_encode_plus(all_names[i:i+bs], 
                                       padding="max_length", 
                                       max_length=25, 
                                       truncation=True,
                                       return_tensors="pt")
    toks_cuda = {}
    for k,v in toks.items():
        toks_cuda[k] = v.cuda()
    cls_rep = model(**toks_cuda)[0][:,0,:] # use CLS representation as the embedding
    all_embs.append(cls_rep.cpu().detach().numpy())

all_embs = np.concatenate(all_embs, axis=0)

For more details about training and eval, see SapBERT github repo.

Citation

@inproceedings{liu2021learning,
	title={Learning Domain-Specialised Representations for Cross-Lingual Biomedical Entity Linking},
	author={Liu, Fangyu and Vuli{\'c}, Ivan and Korhonen, Anna and Collier, Nigel},
	booktitle={Proceedings of ACL-IJCNLP 2021},
	month = aug,
	year={2021}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaModel
Ревизия весов
2bd5290

0 моделей