Характеристики

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

Ссылки

Hugging Face

Original-PubMedBERT-BC5CDRChemical

ghadeermobasher

Разметка токеновТекст → label3 профессии

Дообученная PubMedBERT-модель для извлечения названий химических веществ из англоязычных биомедицинских текстов.

73скачиваний за 30 дней0лайковвеса обновлены1 мар 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

Original-PubMedBERT-BC5CDRChemical — биомедицинская модель на архитектуре BERT, размещённая пользователем ghadeermobasher и дообученная для разметки химических сущностей в научных текстах. Модель основана на PubMedBERT, разработанном Microsoft для работы с биомедицинской литературой, и предназначена для задачи token classification на корпусе BC5CDR-Chemical.

Модель содержит 136,7 млн параметров и поддерживает контекст длиной до 512 токенов. Она рассчитана на англоязычные биомедицинские тексты и может применяться для извлечения названий химических веществ из аннотаций и других научных документов. Ограничения включают специализированность на химической сущностной разметке, контекстное окно 512 токенов и зависимость качества от предметной области и формата текста. Лицензия в доступных данных не установлена.

Сценарии применения

распознавание химических веществ в статьях PubMed
извлечение названий лекарств и соединений из аннотаций
автоматическая разметка химических сущностей в биомедицинских документах
подготовка данных для поиска химических соединений
индексация научной литературы по упоминаниям химических веществ

Ограничения

Модель специализирована на распознавании химических сущностей в англоязычных биомедицинских текстах и не предназначена для общего понимания текста или генерации. 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.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей

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: a95c14a