Модель XLM-RoBERTa Large для извлечения упоминаний заболеваний и химических соединений 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
Это модель XLM-RoBERTa Large, дообученная командой TNER для распознавания именованных сущностей в биомедицинских текстах набора BC5CDR. Она выполняет токен-классификацию: принимает текст и помечает в нём сущности, связанные с заболеваниями и химическими соединениями. Модель подходит для извлечения таких упоминаний из научных публикаций и других биомедицинских документов.
Модель основана на архитектуре XLM-RoBERTa и содержит около 658,7 млн параметров. Максимальная длина контекста — 514 токенов; доступен формат PyTorch. Карточка рекомендует загружать токенизатор из репозитория asahi417/tner-xlm-roberta-large-uncased-bc5cdr. Лицензия в предоставленных данных не указана.
Модель обучена на разметке BC5CDR для заболеваний и химических соединений, поэтому её метки и качество на других типах сущностей или текстах могут не подходить. Лицензия в предоставленных данных 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-large-uncased-bc5cdr")
model = AutoModelForTokenClassification.from_pretrained("asahi417/tner-xlm-roberta-large-uncased-bc5cdr")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…