Характеристики
- Контекст
- 512 токенов
- Параметры
- 137 млн
- Архитектура
- bert · dense
- Опубликована
- 2 мар 2022
Ссылки
BC4_Original-BiomedNLP-PubMedBERT-base-uncased-abstract
Специализированная BERT-модель для распознавания названий химических соединений и лекарственных средств в англоязычных аннотациях PubMed.
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
ghadeermobasher/BC4_Original-BiomedNLP-PubMedBERT-base-uncased-abstract — модель на архитектуре BERT для token classification, разработанная ghadeermobasher на основе BiomedNLP-PubMedBERT Microsoft. Она дообучена для распознавания упоминаний химических соединений и лекарственных средств в англоязычных научно-медицинских текстах, в частности в аннотациях PubMed и корпусе BioCreative IV CHEMDNER.
Модель содержит около 136,7 млн параметров и поддерживает контекст до 512 токенов. Её основное применение — извлечение химических сущностей из биомедицинской литературы для последующего поиска, индексации и построения систем текстового анализа. Модель предназначена для английского языка и не является генеративной.
Сильная сторона модели — специализация на биомедицинской терминологии и задаче распознавания химических сущностей. Ограничения связаны с узкой предметной областью, зависимостью от схемы разметки BC4CHEMD и максимальной длиной контекста; качество на других языках, типах документов и задачах общего назначения не гарантируется.
Сценарии применения
- распознавание химических сущностей в аннотациях PubMed
- извлечение названий лекарств из биомедицинских статей
- индексация химических соединений в научной литературе
- подготовка данных для биомедицинского поиска
- разметка корпуса CHEMDNER
Ограничения
Модель специализирована на английских биомедицинских текстах и сущностях, представленным в корпусе BC4CHEMD; её нельзя считать универсальной NER-моделью. Контекст ограничен 512 токенами.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Автор не опубликовал карточку модели.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…
- Класс архитектуры
- BertForTokenClassification
- Ревизия весов
- e32328f