🚀 BERT分类器，用于WOS - 46985数据集

本模型可依据Web - of - Science命名法对科学论文进行分类，为科学研究领域的论文分类工作提供了高效且准确的解决方案。

✨ 主要特性

本研究具有以下特性：

• 首次在专门设计的、年龄和性别分布均匀的研究群体中，对非吸烟普通人群体内丙烯酰胺（AA）的氧化和还原代谢途径之间的关系进行了研究，同时对AA和缩水甘油酰胺（GA）的血液蛋白加合物和尿代谢物进行了定量分析。
• 利用由聚吡咯和p53抗体的纳米结构薄膜制成的生物传感器，通过扫描电子显微镜数据的图像分析，将生物传感器的形态变化与含有癌症生物标志物p53的细胞浓度相关联，为癌症生物标志物的检测提供了新方法。
• 研究了印刷碳石墨材料在丝网印刷传感器中的应用，通过优化材料溶剂，提高了印刷过程的生产率和膜的导电性，为传感器的大规模制造提供了改进方向。
• 对以R744为唯一制冷剂的商用制冷系统在不同冷却负荷条件下的能耗进行了理论研究，评估了多种循环系统，为制冷系统的节能和成本优化提供了参考。

📚 详细文档

模型详情

模型描述

这是一个经过微调的模型，用于预测由https://arxiv.org/pdf/1709.08267.pdf 发布的WOS - 46985模型中的134个类别。

• 开发者：Terran（https://terran.ai/）、SciLifeLab数据中心（https://www.scilifelab.se/）和KTH研究支持办公室（https://intra.kth.se/en/styrning/kths - organisation/vs/rso）。
• 许可证：Apache 2.0
• 微调基础模型：bert - base - uncased

评估

采用10/90的验证/训练分割方式（与https://arxiv.org/pdf/1709.08267.pdf 相同）。

结果

最终层的准确率达到了83%（之前的最先进水平为77%，参考https://arxiv.org/pdf/1709.08267.pdf）。不过，之前的最先进方法未使用测试数据集，因此这一差异可能更为显著。

总结

该模型对于标注科学文本非常有用。

📄 许可证

本模型使用的是Apache 2.0许可证。