Плотный мультиязычный по архитектуре XLM-RoBERTa-энкодер для семантического поиска, сравнения и группировки текстов.
Подходит для: семантический поиск по предложениям и абзацам · поиск похожих названий организаций и сущностей · сравнение смысловой близости двух текстов
Многоязычная модель SIRIS Lab выделяет авторов, названия и другие библиографические поля из текста научных цитат.
Подходит для: извлечение DOI, ISBN и ISSN из библиографических ссылок · выделение авторов и названий публикаций из списка литературы · разбор ссылок на статьи для академической базы данных
Многоязычная модель DistilBERT от SIRIS Lab классифицирует библиографические ссылки как действительные или недействительные для автоматической предварительной проверки.
Подходит для: отсеивание некорректных ссылок в библиографических базах · проверка ссылок в рукописях перед отправкой · автоматическая предварительная валидация библиографии
RoBERTa-модель для классификации текстовых фрагментов, связанных с библиографическими цитатами.
Подходит для: классификация библиографических цитат · разбор ссылок в научных публикациях · категоризация фрагментов научных текстов
Модель DeBERTa-v2 для токенной разметки и извлечения структурных элементов из библиографических цитат.
Подходит для: выделение компонентов библиографических ссылок · разбор цитат в научных статьях · структурирование библиографических записей
Модель классифицирует названия и аннотации научных публикаций по одной или нескольким из 28 исследовательских панелей ERC.
Подходит для: автоматическое присвоение публикациям панелей ERC · разметка научных статей в институциональном репозитории · обогащение метаданных исследовательских проектов
Многоязычная XLM-RoBERTa, дополнительно обученная на строках аффилиаций для предсказания маскированных токенов и обработки названий организаций.
Подходит для: восстановление пропущенных токенов в строках аффилиаций · адаптация языковой модели к текстам исследовательских организаций · предобучение моделей для извлечения организаций из аффилиаций
Многоязычная NER-модель выделяет организации, подразделения и географические данные из строк аффилиаций научных публикаций.
Подходит для: извлечение названий научных организаций из аффилиаций · выделение подразделений и лабораторий в структуре учреждения · определение городов, стран и регионов по строке аффилиации
Многоязычная модель MDPI для извлечения организаций, подразделений, городов и стран из строк научных аффилиаций.
Подходит для: извлечение названий университетов из аффилиаций авторов · выделение кафедр, факультетов и лабораторий из адресов организаций · извлечение городов и стран из строк аффилиаций
Адаптированная к англоязычным строкам аффилиаций модель RoBERTa для восстановления замаскированных токенов и поддержки извлечения сущностей и фрагментов.
Подходит для: восстановление пропущенных токенов в строках аффилиаций · адаптация обработки англоязычных аффилиаций организаций · поддержка распознавания сущностей в данных об аффилиациях
SCIroShot — англоязычная модель RoBERTa-large для классификации научных и других текстов по произвольным заданным категориям.
Подходит для: Классификация аннотаций научных статей по дисциплинам · Определение тематики англоязычных публикаций и патентов · Распределение документов по заданным исследовательским направлениям
Мультиязычная модель эмбеддингов для поиска записей организаций ROR по строкам аффилиаций.
Подходит для: поиск подходящих организаций ROR по названию учреждения · сопоставление вариантов написания и сокращений аффилиаций · подбор кандидатов организаций для последующей проверки
Дообученная XLM-RoBERTa Large для токенной разметки сущностей в текстах библиографических ссылок.
Подходит для: извлечение полей из библиографических ссылок · разметка сущностей в библиографических записях · подготовка цитат для автоматического парсинга
BatGPT-15B-sirius — китайско-английская языковая модель для генерации текста и диалога с заявленным контекстом до 32 тыс. токенов.
Подходит для: диалоговый помощник на китайском языке · диалоговый помощник на английском языке · генерация китайских текстов