Scientific Challenges And Directions
基於PubMedBERT微調的多標籤文本分類模型,用於識別科學文獻中的挑戰和研究方向
下載量 28
發布時間 : 3/2/2022
模型概述
該模型旨在幫助科學家和醫療專業人員從科學文獻中識別挑戰(問題、困難、知識差距)和潛在研究方向(建議、假設、探索需求),特別關注COVID-19大流行及相關研究領域。
模型特點
生物醫學領域優化
基於PubMedBERT預訓練模型,專門針對生物醫學文獻進行優化
多標籤分類
可同時識別文本中的挑戰和研究方向兩個獨立標籤
專家標註數據
訓練數據由具有生物醫學和生物NLP背景的專家標註
模型能力
科學文獻分析
挑戰識別
研究方向識別
多標籤文本分類
使用案例
科研輔助
文獻綜述輔助
快速識別大量文獻中的關鍵挑戰和研究空白
提高文獻綜述效率,幫助研究人員定位關鍵問題
研究方向發現
自動提取文獻中建議的未來研究方向
輔助科研人員規劃研究路線
學術搜索引擎
挑戰與方向檢索
構建專門檢索科學挑戰和研究方向的搜索引擎
參見模型提供的示例應用鏈接
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98