/ Модель

Характеристики

Контекст
512 токенов
Параметры
206 млн
Архитектура
bert · dense
Базовая модель
RuBioBERT
Опубликована
27 фев 2024

nerel-bio-RuBioBERT-base

Разметка токеновТекст → label3 профессии

Дообученная RuBioBERT для классификации токенов в биомедицинском тексте, включая извлечение именованных сущностей.

26скачиваний за 30 дней0лайковвеса обновлены27 фев 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

nerel-bio-RuBioBERT-base — модель для классификации токенов, созданная дообучением RuBioBERT разработчиком ekaterinatao. Архитектура — BERT для классификации токенов; размер составляет 205,5 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для присвоения меток отдельным токенам во входном тексте; название указывает на биомедицинскую область и NER, однако карточка не раскрывает набор меток и обучающие данные.

В README приведены результаты оценки: F1 0,8132, точность 0,8107, полнота 0,8157 и accuracy 0,8721. Эти показатели относятся к указанному набору оценки, детали которого не описаны. Модель представлена в формате safetensors; лицензия в доступных данных не указана.

Сценарии применения

  • извлечение биомедицинских сущностей из текста
  • разметка токенов в медицинских документах
  • распознавание терминов в биомедицинских публикациях

Ограничения

Обучающий датасет, набор меток и подробности применения не описаны; приведённые метрики относятся к неуточнённому набору оценки. Максимальная длина контекста — 512 токенов.

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

nerel-bio-RuBioBERT-base

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

  • Loss: 0.6187
  • Precision: 0.8107
  • Recall: 0.8157
  • F1: 0.8132
  • Accuracy: 0.8721

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: 4
  • eval_batch_size: 4
  • seed: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossPrecisionRecallF1Accuracy
No log1.01530.89370.73630.70780.72180.7998
No log2.03060.57530.79070.77980.78520.8527
No log3.04590.53080.78930.78560.78750.8559
0.90254.06120.54770.79560.79620.79590.8618
0.90255.07650.57320.80110.80370.80240.8646
0.90256.09180.55510.80850.80820.80840.8693
0.1337.010710.58130.80820.80820.80820.8701
0.1338.012240.60060.80530.81310.80920.8687
0.1339.013770.61830.81040.81590.81310.8723
0.040610.015300.61870.81070.81570.81320.8721

Framework versions

  • Transformers 4.37.2
  • Pytorch 2.1.0+cu121
  • Datasets 2.17.1
  • Tokenizers 0.15.2

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
1bcdd1f

0 моделей