/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
scibert_scivocab_uncased
Библиотека
transformers
Опубликована
6 июл 2026

scibert-citation-background-classifier

Классификация текстаТекст → label3 профессии

Англоязычная модель на основе SciBERT классифицирует контексты научных цитат как фоновые или используемые для других целей.

13скачиваний за 30 дней0лайковвеса обновлены6 июл 2026

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

hongccccccc/scibert-citation-background-classifier — англоязычный классификатор научных цитат, разработанный на основе SciBERT и дообученный для определения роли цитирования в контексте статьи. Модель относит контекст к одному из двух классов: BACKGROUND, когда цитата даёт фон или контекст, и NOT_BACKGROUND, когда она используется, например, для описания метода, сравнения, развития идеи или мотивации.

Модель построена на архитектуре BERT с головой классификации последовательностей, содержит 137,1 млн параметров и принимает текст длиной до 512 токенов. Она обучена на 27 052 размеченных контекстах цитирования из SciCite и MultiCite; в README указана оценка F1 0,81 на тестовой выборке при разделении данных 80/20. Подходит для анализа научной литературы и автоматической разметки функций цитат. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • определение цитат, задающих научный фон статьи
  • разметка контекстов цитирования в корпусе научных публикаций
  • фильтрация фоновых цитат для анализа литературы
  • подготовка данных для исследований функций цитирования

Ограничения

Классификация ограничена двумя метками: BACKGROUND и NOT_BACKGROUND; вторая объединяет несколько разных функций цитирования. Указанная оценка F1 0,81 получена на тестовом разделении объединённого набора SciCite и MultiCite и не гарантирует такое же качество на других корпусах.

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

SciBERT Citation-Background Classifier

allenai/scibert_scivocab_uncased fine-tuned as a binary classifier of citation intent: does a citation sentence cite prior work as background (BACKGROUND) or for any other reason (NOT_BACKGROUND)?

Labels

idlabelmeaning
0NOT_BACKGROUNDcitation used for method, comparison, extension, motivation…
1BACKGROUNDcitation provides background/context for the citing paper

How to use

from transformers import pipeline

clf = pipeline("text-classification", model="hongccccccc/scibert-citation-background-classifier")
clf("Deep learning has achieved remarkable success in many NLP tasks [1, 2].")
# [{'label': 'BACKGROUND', 'score': ...}]

Training

  • Base model: SciBERT (uncased, scivocab; BertForSequenceClassification, single-label, 2 classes)
  • Data: the combined annotated citation contexts of SciCite (Cohan et al., 2019) and MultiCite (Lauscher et al., 2022) — 27,052 instances, 11,635 (43%) labeled BACKGROUND
  • Fine-tuned: August 2023, transformers 4.32.0

Evaluation

F1 score of 0.81 on a held-out test set (80-20 train-test split of the combined dataset).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
6a82177

0 моделей