/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Своя лицензия
Архитектура
span-marker · dense
Библиотека
span-marker
Опубликована
5 сен 2023

span-marker-bert-base-uncased-bionlp

Разметка токеновТекст → label3 профессии

SpanMarker на базе bert-base-uncased для выделения биомедицинских именованных сущностей в англоязычных текстах.

27скачиваний за 30 дней5лайковвеса обновлены10 мая 2025

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

Модель SpanMarker для распознавания именованных сущностей в биомедицинских текстах. Она разработана на основе bert-base-uncased и обучена на наборе BioNLP2004; модель выделяет, в частности, упоминания ДНК, РНК и клеточных линий.

Модель предназначена для автоматической разметки сущностей в научных текстах, например для извлечения биомедицинских терминов из статей. Максимальная длина последовательности — 256 токенов, максимальная длина сущности — 8 слов. В README приведена общая оценка F1 0,7621 на BioNLP2004.

Для работы используется библиотека SpanMarker; веса доступны в форматах PyTorch и safetensors. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

Сценарии применения

  • Извлечение упоминаний ДНК из биомедицинских статей
  • Извлечение упоминаний РНК из научных текстов
  • Распознавание клеточных линий в биомедицинских публикациях
  • Автоматическая разметка сущностей в корпусе BioNLP2004

Ограничения

Максимальная длина входной последовательности — 256 токенов, а длина распознаваемой сущности ограничена 8 словами. На BioNLP2004 общий F1 составляет 0,7621; лицензия обозначена как other, поэтому условия использования нужно уточнить в репозитории.

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

SpanMarker with bert-base-uncased on BioNLP2004

This is a SpanMarker model trained on the BioNLP2004 dataset that can be used for Named Entity Recognition. This SpanMarker model uses bert-base-uncased as the underlying encoder. See train.py for the training script.

Model Details

Model Description

  • Model Type: SpanMarker
  • Encoder: bert-base-uncased
  • Maximum Sequence Length: 256 tokens
  • Maximum Entity Length: 8 words
  • Training Dataset: BioNLP2004
  • Language: en
  • License: other

Model Sources

Model Labels

LabelExamples
DNA"immunoglobulin heavy-chain enhancer", "enhancer", "immunoglobulin heavy-chain ( IgH ) enhancer"
RNA"GATA-1 mRNA", "c-myb mRNA", "antisense myb RNA"
cell_line"monocytic U937 cells", "TNF-treated HUVECs", "HUVECs"
cell_type"B cells", "non-B cells", "human red blood cells"
protein"ICAM-1", "VCAM-1", "NADPH oxidase"

Evaluation

Metrics

LabelPrecisionRecallF1
all0.72900.79830.7621
DNA0.71740.75050.7336
RNA0.69770.76920.7317
cell_line0.58310.70200.6370
cell_type0.82220.73810.7779
protein0.71960.84070.7755

Uses

Direct Use

from span_marker import SpanMarkerModel

# Download from the 🤗 Hub
model = SpanMarkerModel.from_pretrained("tomaarsen/span-marker-bert-base-uncased-bionlp")
# Run inference
entities = model.predict("In erythroid cells most of the transcription activity was contained in a 150 bp promoter fragment with binding sites for transcription factors AP2, Sp1 and the erythroid-specific GATA-1.")

Downstream Use

You can finetune this model on your own dataset.

from span_marker import SpanMarkerModel, Trainer

# Download from the 🤗 Hub
model = SpanMarkerModel.from_pretrained("tomaarsen/span-marker-bert-base-uncased-bionlp")

# Specify a Dataset with "tokens" and "ner_tag" columns
dataset = load_dataset("conll2003") # For example CoNLL2003

# Initialize a Trainer using the pretrained model & dataset
trainer = Trainer(
    model=model,
    train_dataset=dataset["train"],
    eval_dataset=dataset["validation"],
)
trainer.train()
trainer.save_model("tomaarsen/span-marker-bert-base-uncased-bionlp-finetuned")

Training Details

Training Set Metrics

Training setMinMedianMax
Sentence length226.5790166
Entities per sentence02.752823

Training Hyperparameters

  • learning_rate: 5e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 3

Training Results

EpochStepValidation LossValidation PrecisionValidation RecallValidation F1Validation Accuracy
0.45053000.02100.74970.76590.75770.9254
0.90096000.01620.80480.82170.81310.9432
1.35149000.01540.81260.82490.81870.9434
1.801812000.01490.81480.84510.82960.9481
2.252315000.01500.82970.84380.83670.9501
2.702718000.01450.82800.84430.83610.9501

Environmental Impact

Carbon emissions were measured using CodeCarbon.

  • Carbon Emitted: 0.045 kg of CO2
  • Hours Used: 0.296 hours

Training Hardware

  • On Cloud: No
  • GPU Model: 1 x NVIDIA GeForce RTX 3090
  • CPU Model: 13th Gen Intel(R) Core(TM) i7-13700K
  • RAM Size: 31.78 GB

Framework Versions

  • Python: 3.9.16
  • SpanMarker: 1.3.1.dev
  • Transformers : 4.29.2
  • PyTorch: 2.0.1+cu118
  • Datasets: 2.14.3
  • Tokenizers: 0.13.2

Как запустить

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

GPU в ailist

Универсальный рантайм · span-marker

Нельзя запустить

Модели SpanMarker требуют отдельного рантайма.

Класс архитектуры
SpanMarkerModel
Ревизия весов
fae7515

0 моделей