Project Icon

ClinicalNER

多语言临床命名实体识别模型 提取医疗文本中的药物和用药信息

ClinicalNER是一个基于XLM-R Base的多语言临床命名实体识别模型,通过英语n2c2数据集微调。该模型能从医疗文本中提取药物、剂量、频率、持续时间、用量和剂型等实体信息。在法语评估测试集MedNERF上,ClinicalNER展现了优异的零样本跨语言迁移能力,micro-F1分数达0.804。支持英、法、德、西、意等多种语言,ClinicalNER为临床文本分析提供了实用的工具。

MedEmbed-small-v0.1 - 模型在医疗信息检索和分类中的应用
GithubHuggingfaceMedEmbed临床嵌入信息检索医疗嵌入句子变换器开源项目模型
项目专注于利用组合数据集进行信息检索与分类操作,如MedicalQARetrieval、NFCorpus和PublicHealthQA等。模型的评估指标包括精确率、召回率和F1-分数,在多任务如医疗问答和亚马逊评论分类中展现了良好性能。分类和检索任务测试结果显示,该模型在精度和性能上表现优异,为医疗嵌入和临床信息检索提供了有效的解决方案。
PharmBERT-uncased - 药品标签处理的BERT模型
BERT模型GithubHuggingfacePharmBERT开源项目模型药品标签预训练领域专用模型
PharmBERT 是一个专用于药品标签的 BERT 模型,通过领域相关的预训练和微调技术,提高药品信息的提取和处理能力。适合制药和生命科学领域的专业人员使用,PharmBERT 可以有效解析药品文档,提升研发效率。有关更多信息和技术细节,请访问 PharmBERT 的 GitHub 页面。
bert-base-multilingual-cased-ner-hrl - 基于mBERT的多语言命名实体识别模型覆盖10种主要语言
GithubHugging FaceHuggingfacebert-base-multilingual-cased命名实体识别多语言模型开源项目模型自然语言处理
bert-base-multilingual-cased-ner-hrl是一个多语言命名实体识别模型,基于mBERT微调而来。该模型支持阿拉伯语、德语等10种主要语言,能够识别地点、组织和人名。模型通过聚合多语种新闻数据集训练,适用于广泛的NER任务,但在特定领域可能存在局限性。使用简单,可通过Transformers库快速部署。模型可通过Hugging Face的Transformers库轻松集成到各种NLP项目中,适用于多语言文本分析、信息提取等任务。然而,由于训练数据限制,在非新闻领域的表现可能需要进一步评估。
Bio-Medical-Llama-3-8B - 适用于生物医学领域的精细化文本处理语言模型
Bio-Medical-Llama-3-8BGithubHuggingface临床决策医学大模型开源项目模型生物医学
Bio-Medical-Llama-3-8B模型在定制的BioMedData数据集上进行微调,特别适用于生物医学应用。通过超过500,000条多样化的样本,这一模型在生物医学领域展现高质量的知识覆盖。它能够生成与生物医学相关的文本,为研究人员和临床医生提供有价值的支持,但在高风险场景中使用时需确保信息准确性并负责任地应用。
gliner_multi - 灵活识别多语言实体的开源NER模型
GLiNERGithubHuggingface命名实体识别多语言模型开源项目机器学习模型自然语言处理
GLiNER-multi是一个基于双向Transformer架构的开源多语言命名实体识别模型。它能够灵活识别各种实体类型,填补了传统NER模型与大型语言模型之间的空白。该模型在Pile-NER数据集上训练,支持多语言处理,易于集成到不同的自然语言处理应用中。GLiNER-multi在保证性能的同时优化了模型规模,适用于计算资源有限的场景。
xlm-roberta-base-ner-silvanus - 基于XLM-RoBERTa的多语言命名实体识别模型
GithubHuggingfaceNERXLM-RoBERTa命名实体识别多语言模型开源项目模型零样本迁移学习
该模型基于xlm-roberta-base在印尼NER数据集上微调而来,可从社交媒体文本中提取位置、日期和时间信息。虽然训练数据为印尼语,但通过零样本迁移学习,模型支持英语、西班牙语、意大利语和斯洛伐克语的信息提取。在验证集上,模型展现出91.89%的精确率、92.73%的召回率和92.31%的F1分数,显示了其在多语言命名实体识别任务中的有效性。
NuNER-multilingual-v0.1 - 支持九种以上语言的高性能多语言实体识别系统
GithubHuggingfaceMultilingual BERTNLPNuMind多语言模型实体识别开源项目模型
NuNER-multilingual-v0.1作为一个多语言实体识别系统,通过对多语言BERT模型进行优化,实现了对英语、法语等9种以上语言的支持。系统基于Oscar数据集训练,具备跨领域和跨语言的实体识别能力。在性能测评中,其F1宏观指标相比基础mBERT有明显提升,单层嵌入达到0.5892,双层嵌入达到0.6231的水平。该系统可直接使用或根据具体需求进行定制化训练。
roberta-large-NER - XLM-RoBERTa大型模型用于多语言命名实体识别
GithubHuggingfaceXLM-RoBERTa人工智能命名实体识别多语言模型开源项目模型自然语言处理
XLM-RoBERTa-large模型基础上微调的多语言命名实体识别工具,支持100多种语言。在英语CoNLL-2003数据集上训练,可用于命名实体识别和词性标注等标记分类任务。该模型由Facebook AI研究团队开发,具有强大的跨语言能力,但存在潜在偏见和局限性。作为自然语言处理的重要工具,它为多语言文本分析提供了有力支持。
distilcamembert-base-ner - 法语命名实体识别模型,推理时间减半
CamemBERTDistilCamemBERT-NERGithubHuggingface实体识别开源项目模型模型优化法语
DistilCamemBERT-NER针对法语命名实体识别进行微调,与CamemBERT相比推理时间缩短一半但能耗保持不变。采用wikiner_fr数据集,综合F1得分达98.18%。在PER、LOC、ORG类别上,性能优于多语种与Flair法语模型,提供高效的文本处理解决方案。
biomed_roberta_base - RoBERTa衍生模型在生物医学NLP任务中展现优异性能
GithubHuggingfaceRoBERTa开源项目模型生物医学自然语言处理语言模型预训练
BioMed-RoBERTa-base是一个针对生物医学领域优化的语言模型,基于RoBERTa-base架构,通过对268万篇科学论文全文的持续预训练而成。该模型在文本分类、关系提取和命名实体识别等多项生物医学NLP任务中表现出色,比基础RoBERTa模型有显著提升。这为生物医学领域的自然语言处理研究提供了一个强大的预训练工具。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号