Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense

Ссылки

Hugging Face

BC5CDR-Disease-Modified_BiomedNLP-PubMedBERT-base-uncased-abstract

ghadeermobasher

Разметка токеновТекст → label3 профессии

Специализированная BERT-модель для выделения упоминаний заболеваний в биомедицинских текстах.

99скачиваний за 30 дней0лайковвеса обновлены25 фев 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

Модель ghadeermobasher/BC5CDR-Disease-Modified_BiomedNLP-PubMedBERT-base-uncased-abstract опубликована пользователем ghadeermobasher на Hugging Face. Это модель классификации токенов на базе архитектуры BERT, связанная с BiomedNLP-PubMedBERT и набором BC5CDR-Disease. Она предназначена для извлечения и разметки упоминаний заболеваний в биомедицинских текстах, включая аннотации публикаций PubMed.

Модель содержит около 136,7 млн параметров и поддерживает контекст до 512 токенов. Она рассчитана на работу через библиотеку Transformers с фреймворком PyTorch. Модель специализирована на биомедицинской предметной области и не является универсальной генеративной моделью.

Ограничения включают максимальную длину контекста 512 токенов и узкую специализацию на токен-классификации заболеваний. Лицензия в доступных данных не установлена.

Сценарии применения

распознавание заболеваний в аннотациях PubMed
извлечение медицинских сущностей из научных статей
автоматическая разметка биомедицинских текстов
создание наборов данных для медицинского NLP

Ограничения

Модель ограничена контекстом до 512 токенов и задачами токен-классификации заболеваний; её применение к другим типам сущностей или общим текстам может быть неточным. Лицензия в доступных данных не установлена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

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: BertForTokenClassification
Ревизия весов: fa7196f