Характеристики

Контекст: 512 токенов
Архитектура: distilbert · dense
Базовая модель: ClinicalBERT
Опубликована: 17 авг 2024

Ссылки

ClinicalBERT-finetuned-ner-pablo-just-classifier

Разметка токеновТекст → label3 профессии

Дообученная на базе ClinicalBERT модель DistilBERT для распознавания сущностей и классификации токенов в клинических текстах.

14скачиваний за 30 дней0лайковвеса обновлены17 авг 2024

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

pabRomero/ClinicalBERT-finetuned-ner-pablo-just-classifier — дообученная модель на базе medicalai/ClinicalBERT для классификации токенов, предназначенная для задач распознавания именованных сущностей в клинических текстах. Архитектура — DistilBERT с головой DistilBertForTokenClassification; веса сохранены в формате safetensors, максимальная длина контекста — 512 токенов.

В README приведены метрики на оценочном наборе: precision 0,7118, recall 0,7328, F1 0,7221 и accuracy 0,9650. Данные обучения, набор меток и конкретные типы сущностей не описаны, поэтому качество на иных клинических данных не гарантируется. Лицензия в предоставленных данных не указана.

Сценарии применения

извлечение клинических сущностей из медицинских записей
разметка токенов в клинических документах
поиск упоминаний медицинских сущностей в тексте

Ограничения

В README не описаны обучающие данные и классы сущностей; на оценочном наборе F1 составляет 0,7221. Переносимость качества на другие клинические тексты не подтверждена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ClinicalBERT-finetuned-ner-pablo-just-classifier

This model is a fine-tuned version of medicalai/ClinicalBERT on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1567
Precision: 0.7118
Recall: 0.7328
F1: 0.7221
Accuracy: 0.9650

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.1
train_batch_size: 16
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 64
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.05
num_epochs: 2
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.495	0.9996	652	0.3446	0.6425	0.6934	0.6670	0.9575
0.3703	1.9992	1304	0.1567	0.7118	0.7328	0.7221	0.9650

Framework versions

Transformers 4.44.0
Pytorch 2.4.0+cu124
Datasets 2.21.0
Tokenizers 0.19.1

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: DistilBertForTokenClassification
Ревизия весов: e04beaa