/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
bert · dense
Библиотека
transformers
Опубликована
4 окт 2026

bionerd-re

Классификация текстаТекст → label

BioNERD-re — дообученная на BioRED модель BiomedBERT для классификации типов отношений между отмеченными сущностями в биомедицинских текстах.

104скачиваний за 30 дней0лайковвеса обновлены9 окт 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

BioNERD-re — англоязычная модель извлечения типизированных отношений между двумя отмеченными сущностями в биомедицинских текстах. Её разработчик BioNERD дообучил BiomedBERT как классификатор последовательностей на обучающей части BioRED. Входной текст должен содержать маркеры [E1]…[/E1] и [E2]…[/E2], обозначающие аргументы отношения.

Модель относит пару сущностей к одной из восьми типов отношений BioRED либо к классу None: ассоциация, положительная или отрицательная корреляция, связывание, совместное лечение, сравнение, взаимодействие лекарств и конверсия. Это позволяет извлекать связи из биомедицинских публикаций и текстов, где сущности заранее выделены. Архитектура — BERT для классификации последовательностей; модель содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Доступны форматы Safetensors и GGUF.

Модель предназначена для английских биомедицинских текстов и лицензирована по MIT. В README не приведены измеренные показатели качества; разработчик указывает, что метки и результаты в приложении BioNERD привязаны к этому артефакту.

Сценарии применения

  • извлечение связей между генами и заболеваниями из научных статей
  • выявление взаимодействий лекарств в биомедицинских текстах
  • классификация корреляций между биомедицинскими сущностями
  • извлечение отношений между заранее размеченными сущностями BioRED

Ограничения

Для корректной работы вход должен содержать маркеры сущностей [E1]…[/E1] и [E2]…[/E2]. В README не приведены измеренные показатели качества.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bionerd-re — C (BiomedBERT, BioRED typed relations)

BioNERD's own typed relation-extraction model "C": microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext (MIT) fine-tuned on the BioRED Train split (public domain) as an entity-marker sequence classifier.

  • Input: text with [E1] … [/E1] and [E2] … [/E2] around the two arguments (the four marker tokens are in the tokenizer).
  • Labels: 0 = None, then BioRED's eight types in this order: Association, Positive_Correlation, Negative_Correlation, Bind, Cotreatment, Comparison, Drug_Interaction, Conversion.
  • Training: seed 13, lr 2e-5, batch 16, up to 5 epochs, max length 512, 2 negatives per positive; the best epoch on BioRED Dev typed F1 was kept.

No accuracy is claimed here. BioNERD shows its measured labels in the app's model catalog, each tied to this exact artefact.

Filesha256
config.json6ac24d941178b632550aa2cb2c81594b9c88463bea01c32c5712064afbb23732
model.safetensors7a96681585571fa82910d3e547bd71ff83eb5285c0859a37ae272116bbcca598
tokenizer_config.json8b1605c818426817b2b46a1dbf23e834c7fc893a1a04cbda394382d719cb553a
tokenizer.json8c801ddf1fd1e9591578b90b7e3fa2bc895d80af941ae967f1f1869ea75aaca4

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
94503c5

0 моделей