Модель XLM-RoBERTa для извлечения упоминаний химических веществ и заболеваний из биомедицинского текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Модель tner/xlm-roberta-base-uncased-bc5cdr — вариант XLM-RoBERTa, дообученный для распознавания именованных сущностей (NER) в биомедицинских текстах набора BC5CDR. Она предназначена для токенной разметки упоминаний химических веществ и заболеваний, например при извлечении сущностей из научных аннотаций. Модель основана на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров; максимальный контекст — 514 токенов. Репозиторий содержит веса PyTorch.
Модель принимает текст и размечает его токены, поэтому её можно использовать для извлечения биомедицинских сущностей из документов и подготовки данных для последующего анализа. README указывает на дообучение XLM-RoBERTa для NER и отсылает за подробностями к проекту TNER. Сведения о лицензии в доступных материалах отсутствуют.
Модель настроена на NER для данных BC5CDR, поэтому её качество на других типах документов и сущностей может отличаться. Лицензия в доступных материалах не указана.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
XLM-RoBERTa finetuned on NER. Check more detail at TNER repository.
from transformers import AutoTokenizer, AutoModelForTokenClassification
tokenizer = AutoTokenizer.from_pretrained("asahi417/tner-xlm-roberta-base-uncased-bc5cdr")
model = AutoModelForTokenClassification.from_pretrained("asahi417/tner-xlm-roberta-base-uncased-bc5cdr")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…