Scifive Large Pubmed PMC

🚀 SciFive Pubmed+PMC Large

生物医学文献向けのテキスト-to-テキスト変換Transformerモデルで、様々な自然言語処理タスクに対応

🚀 クイックスタート

このモデルは、生物医学文献の処理に特化したテキスト-to-テキスト変換Transformerモデルです。様々な自然言語処理タスク、例えばトークン分類、テキスト分類、質問応答、テキスト生成などに使用できます。

✨ 主な機能

• トークン分類：生物医学テキストにおけるトークンの分類が可能です。
• テキスト分類：生物医学文献のテキストを分類できます。
• 質問応答：生物医学関連の質問に対する回答を生成します。
• テキスト生成：生物医学テキストの生成が可能です。

関連情報

📚 ドキュメント

論文情報

論文: SciFive: a text-to-text transformer model for biomedical literature

著者: Long N. Phan, James T. Anibal, Hieu Tran, Shaurya Chanana, Erol Bahadroglu, Alec Peltekian, Grégoire Altan-Bonnet

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("razent/SciFive-large-Pubmed_PMC")  
model = AutoModelForSeq2SeqLM.from_pretrained("razent/SciFive-large-Pubmed_PMC")

sentence = "Identification of APC2 , a homologue of the adenomatous polyposis coli tumour suppressor ."
text =  sentence + " </s>"

encoding = tokenizer.encode_plus(text, pad_to_max_length=True, return_tensors="pt")
input_ids, attention_masks = encoding["input_ids"].to("cuda"), encoding["attention_mask"].to("cuda")

outputs = model.generate(
    input_ids=input_ids, attention_mask=attention_masks,
    max_length=256,
    early_stopping=True
)

for output in outputs:
    line = tokenizer.decode(output, skip_special_tokens=True, clean_up_tokenization_spaces=True)
    print(line)

詳細情報

より詳細な情報については、私たちのGitHubリポジトリをご確認ください。