Характеристики

Контекст: 512 токенов
Параметры: 135 млн
Архитектура: electra · dense

Ссылки

Hugging Face

BC5CDR-Chemical-Disease-balancedBioM-ELECTRA-Base-Discriminator

ghadeermobasher

Разметка токеновТекст → label3 профессии

Модель BioELECTRA для извлечения названий химических веществ и заболеваний из англоязычных биомедицинских текстов.

209скачиваний за 30 дней0лайковвеса обновлены22 янв 2022

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/BC5CDR-Chemical-Disease-balancedBioM-ELECTRA-Base-Discriminator — модель для токен-классификации, опубликованная пользователем ghadeermobasher на Hugging Face. Она основана на архитектуре BioELECTRA Base Discriminator и дообучена для извлечения упоминаний химических веществ и заболеваний в биомедицинских текстах набора BC5CDR, содержащего статьи PubMed с аннотациями химических и болезненных сущностей.

Модель имеет около 135,4 млн параметров и поддерживает контекст до 512 токенов. Её назначение — биомедицинское распознавание именованных сущностей: выделение названий лекарств, соединений, химических веществ, заболеваний и связанных медицинских состояний в англоязычной научной литературе. Она предназначена для информационного извлечения и поиска по биомедицинским документам, а не для генерации текста, диагностики или извлечения отношений между сущностями. Сведения о лицензии модели в доступных источниках не установлены.

Сценарии применения

распознавание химических веществ в статьях PubMed
извлечение названий заболеваний из медицинских текстов
аннотирование биомедицинских документов
построение поиска по лекарствам и заболеваниям
подготовка данных для биомедицинского анализа

Ограничения

Модель ориентирована на англоязычные биомедицинские тексты и распознавание сущностей из области химии и заболеваний; она не предназначена для генерации текста, медицинской диагностики или общего анализа языка. Максимальная длина контекста составляет 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

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: ElectraForTokenClassification
Ревизия весов: eefc00c