适配器 allenai/specter2_classification 适用于 allenai/specter2 模型

这是一个针对 allenai/specter2 模型在 allenai/scirepeval 数据集上进行训练的适配器。

该适配器适用于 adapter-transformers 库。

使用方法

首先，安装 adapter-transformers：

pip install -U adapter-transformers

注意：adapter-transformers 是 transformers 的一个分支，可作为支持适配器的直接替代品。

现在，可以像这样加载和激活适配器：

from transformers import AutoAdapterModel

model = AutoAdapterModel.from_pretrained("allenai/specter2")
adapter_name = model.load_adapter("allenai/specter2_classification", source="hf", set_active=True)

许可证：Apache-2.0 数据集：

• allenai/scirep
• en

SPECTER 2.0

SPECTER 2.0 是 SPECTER 的后继版本，与 adapters 结合使用时，能够为科学任务生成特定任务的嵌入向量。通过标题和摘要组合的科学论文或短文本查询，该模型可以生成有效的嵌入向量，用于下游应用。

模型详细信息

模型描述

SPECTER 2.0 在超过 600 万个科学论文引用的三元组数据上进行了训练，这些数据可以通过 here 获得。之后，该模型使用任务格式特定的适配器在所有 SciRepEval 训练任务上进行了训练。

训练过的任务格式有：

• 分类
• 回归
• 接近度
• Adhoc 搜索

这是一个特定于分类的适配器，可生成可用作下游分类器（如 SVM）输入的嵌入向量。请注意，嵌入向量已经经过线性分类器的评估，与非线性分类器的性能可能不一致。

它基于 SciRepEval: A Multi-Format Benchmark for Scientific Document Representations 中的工作，并且我们也在该基准测试中评估了训练的模型。

• 开发者：Amanpreet Singh，Mike D'Arcy，Arman Cohan，Doug Downey，Sergey Feldman
• 分享者：Allen AI
• 模型类型：bert-base-uncased + 适配器
• 许可证：Apache 2.0
• 从模型微调： allenai/scibert

模型来源

• 存储库： https://github.com/allenai/SPECTER2_0
• 论文： https://api.semanticscholar.org/CorpusID:254018137
• 演示： Usage

用途

直接使用

*检索模型对于上述未提及的下游任务类型应该足够。

from transformers import AutoTokenizer, AutoModel

# load model and tokenizer
tokenizer = AutoTokenizer.from_pretrained('allenai/specter2')

#load base model
model = AutoModel.from_pretrained('allenai/specter2')

#load the adapter(s) as per the required task, provide an identifier for the adapter in load_as argument and activate it
model.load_adapter("allenai/specter2_classification", source="hf", load_as="classification", set_active=True)

papers = [{'title': 'BERT', 'abstract': 'We introduce a new language representation model called BERT'},
          {'title': 'Attention is all you need', 'abstract': ' The dominant sequence transduction models are based on complex recurrent or convolutional neural networks'}]

# concatenate title and abstract
text_batch = [d['title'] + tokenizer.sep_token + (d.get('abstract') or '') for d in papers]
# preprocess the input
inputs = self.tokenizer(text_batch, padding=True, truncation=True,
                                   return_tensors="pt", return_token_type_ids=False, max_length=512)
output = model(**inputs)
# take the first token in the batch as the embedding
embeddings = output.last_hidden_state[:, 0, :]

下游使用

有关评估和下游使用，请参考 https://github.com/allenai/scirepeval/blob/main/evaluation/INFERENCE.md 。

训练详细信息

训练数据

基础模型的训练数据是论文之间的引用链接，适配器在四个格式的 8 个大规模任务上进行了训练。所有数据都是 SciRepEval 基准测试的一部分，可以通过 here 获得。

引用链接是这样的三元组：

{"query": {"title": ..., "abstract": ...}, "pos": {"title": ..., "abstract": ...}, "neg": {"title": ..., "abstract": ...}}

由查询论文、正向引用和负向引用组成，这些引用可以来自查询的同一/不同研究领域或引用的引用。

训练过程

请参考 SPECTER paper 。

训练超参数

模型使用 SciRepEval 进行两个阶段的训练：

• 基础模型：首先，在上述引用三元组上训练基础模型。

批量大小=1024，最大输入长度=512，学习率=2e-5，epochs=2，热身阶段=10% fp16

• 适配器：然后，在 SciRepEval 训练任务上对特定任务格式的适配器进行训练，从上述数据中随机抽取 60 万个三元组并将其添加到训练数据中。

批量大小=256，最大输入长度=512，学习率=1e-4，epochs=6，热身阶段=1000步 fp16

评估

我们在 SciRepEval 上评估模型，这是一个针对科学嵌入任务的大规模评估基准测试，其中包含 [SciDocs] 作为子集。我们还在 MDCR 上评估并建立了新的 SoTA，这是一个大规模引文推荐基准测试。

如果您使用 SPECTER 2.0，请引用以下作品：

SPECTER paper ：

@inproceedings{specter2020cohan,
  title={{SPECTER: Document-level Representation Learning using Citation-informed Transformers}},
  author={Arman Cohan and Sergey Feldman and Iz Beltagy and Doug Downey and Daniel S. Weld},
  booktitle={ACL},
  year={2020}
}

SciRepEval paper

@article{Singh2022SciRepEvalAM,
  title={SciRepEval: A Multi-Format Benchmark for Scientific Document Representations},
  author={Amanpreet Singh and Mike D'Arcy and Arman Cohan and Doug Downey and Sergey Feldman},
  journal={ArXiv},
  year={2022},
  volume={abs/2211.13308}
}