Sapbert UMLS 2020AB All Lang From XLMR Large

🚀 SapBERT-XLMR

SapBERT-XLMRは、UMLS 2020ABを用いて訓練されたクロスリンガルなバイオメディカルエンティティ埋め込みモデルです。このモデルは、xlm - roberta - largeをベースモデルとして使用しています。

🚀 クイックスタート

SapBERT-XLMRは、バイオメディカル分野に特化したクロスリンガルなエンティティ埋め込みを提供します。以下の手順で、エンティティ名から埋め込みを抽出することができます。

💻 使用例

基本的な使用法

import numpy as np
import torch
from tqdm.auto import tqdm
from transformers import AutoTokenizer, AutoModel  

tokenizer = AutoTokenizer.from_pretrained("cambridgeltl/SapBERT-from-PubMedBERT-fulltext")  
model = AutoModel.from_pretrained("cambridgeltl/SapBERT-from-PubMedBERT-fulltext").cuda()

# replace with your own list of entity names
all_names = ["covid-19", "Coronavirus infection", "high fever", "Tumor of posterior wall of oropharynx"] 

bs = 128 # batch size during inference
all_embs = []
for i in tqdm(np.arange(0, len(all_names), bs)):
    toks = tokenizer.batch_encode_plus(all_names[i:i+bs], 
                                       padding="max_length", 
                                       max_length=25, 
                                       truncation=True,
                                       return_tensors="pt")
    toks_cuda = {}
    for k,v in toks.items():
        toks_cuda[k] = v.cuda()
    cls_rep = model(**toks_cuda)[0][:,0,:] # use CLS representation as the embedding
    all_embs.append(cls_rep.cpu().detach().numpy())

all_embs = np.concatenate(all_embs, axis=0)

ニュース

• [ニュース] SapBERTのクロスリンガル拡張版が ACL 2021 の主要会議で発表されます！
• [ニュース] SapBERTが NAACL 2021 の会議録に掲載されます！

SapBERT-XLMRについて

SapBERT (Liu et al. 2021) は、UMLS 2020ABを用いて訓練され、[xlm - roberta - large](https://huggingface.co/xlm - roberta - large) をベースモデルとして使用しています。入力の表現として [CLS] を使用してください。

訓練と評価の詳細については、SapBERTの GitHubリポジトリ を参照してください。

引用

@inproceedings{liu2021learning,
	title={Learning Domain-Specialised Representations for Cross-Lingual Biomedical Entity Linking},
	author={Liu, Fangyu and Vuli{\'c}, Ivan and Korhonen, Anna and Collier, Nigel},
	booktitle={Proceedings of ACL-IJCNLP 2021},
	month = aug,
	year={2021}
}