Project Icon

ZeroShotBioNER

高效生物医学命名实体识别的突破性方法

ZeroShotBioNER是一种创新的生物医学命名实体识别模型,基于Transformer架构,支持零样本和少样本学习。该模型在25多个生物医学NER类别上训练,可识别疾病、化学物质、基因等多种实体。其突出优势在于能进行零样本推理,并仅需少量样本即可针对新类别进行微调。模型采用BioBERT架构,提供详细的使用说明和丰富的实体类别列表,为生物医学文本分析提供了强大工具。

scibert_scivocab_uncased-finetuned-ner - 采用SciBERT微调的药物和不良反应识别模型
GithubHuggingfaceSciBERT不良反应医学命名实体识别开源项目模型药物
此模型基于SciBERT进行微调,专门用于识别药物名称和其不良反应,能够有效分类输入文本中的药物和不良反应实体,提升医学文本的信息提取效率。通过简单设置NER流水线,该模型可快速部署并用于自动化识别,主要应用于处理与药物和不良反应相关的自然语言处理任务,是处理ade_corpus_v2数据集的有效工具。
GLiNER - 通用轻量级命名实体识别模型
BERTGLiNERGithub命名实体识别开源项目机器学习自然语言处理
GLiNER是一个通用轻量级的命名实体识别模型,采用双向转换器编码器架构。它能识别任意类型的实体,填补了传统NER模型和大型语言模型之间的空白。GLiNER具有灵活性高、体积小、效率高的特点,适用于资源受限的场景。该模型支持自定义实体类型,可应用于信息提取、文本分类等多种自然语言处理任务。
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。
roberta-es-clinical-trials-ner - 西班牙语临床试验文本的医学命名实体识别模型
GithubHuggingfaceUMLSroberta-es-clinical-trials-ner临床试验医学命名实体识别开源项目模型西班牙语
这是一个针对西班牙语临床试验文本的医学命名实体识别模型。它可以识别四类语义实体:解剖结构、化学物质、疾病和医疗程序。模型基于bsc-bio-ehr-es预训练模型微调而来,在评估集上展现出较高的准确率和F1值。目前该模型仍在开发中,主要用于分析临床试验相关文本,不适合直接应用于医疗决策。
BioLORD-2023-M - 生物医学句子相似度模型,覆盖多种语言
BioLORDGithubHuggingface临床对比学习开源项目本体论模型语义表示
该项目利用BioLORD预训练策略,提升临床句子与生物医学概念的语义表示。通过多关系知识图谱中的定义和描述,实现概念表示的语义化与层次匹配。模型在临床句子和生物医学概念的相似度上表现卓越,支持七种欧洲语言。
roberta-base-zeroshot-v2.0-c - 商用优化的零样本文本分类工具
GithubHugging FaceHuggingfacezeroshot分类商业友好数据开源项目模型模型训练自然语言推理
该系列模型专为Hugging Face平台优化,支持在GPU和CPU上进行零样本分类,无需预先训练数据。最近的改进包括基于商业友好的数据集训练,能满足严苛的许可条件。roberta和deberta系列以合理的准确性和速度满足不同需求,可用于多种语言和大范围文本输入,非常适合全球多样化的应用场景。最新的模型更新可在Zeroshot Classifier Collection中查阅,确保多种使用环境下的合规性。
nli-deberta-v3-xsmall - 使用DeBERTa模型实现自然语言推理与零样本分类
Cross-EncoderGithubHuggingfaceMultiNLISNLIzero-shot分类开源项目模型自然语言推理
该模型通过Cross-Encoder技术训练,基于microsoft/deberta-v3-xsmall,实现自然语言推理及零样本分类。其使用SNLI和MultiNLI数据进行训练,表现为:SNLI测试集91.64%的准确率,MNLI错配集87.77%的准确率。模型能识别句对的矛盾、蕴涵和中立标签,支持Python和Transformers库的调用,便于在多场景中应用。详细信息请参阅文档以提升项目中的自然语言处理效果。
bge-m3-zeroshot-v2.0 - BGE-M3基于零样本学习的多语言文本分类模型
GithubHuggingfacezeroshot分类商业友好数据多语言模型开源项目文本分类模型自然语言推理
bge-m3-zeroshot-v2.0模型基于BAAI/bge-m3-retromae开发,是一款高效的零样本文本分类器。该模型支持多语言处理,可接受长达8192个tokens的输入。通过自然语言推理训练,无需微调即可执行各类分类任务。模型分为商业友好版(-c)和学术研究版,在28个分类任务中表现优异。适用于需要灵活文本分类解决方案的场景,支持GPU和CPU部署。
gliner_small-v2.1 - 基于双向Transformer的轻量级通用实体识别模型
GLiNERGithubHuggingface命名实体识别开源项目机器学习模型模型训练自然语言处理
gliner_small-v2.1是一个基于双向Transformer架构的命名实体识别模型,具备识别任意类型实体的能力。这款模型采用166M参数规模,在保持较小资源占用的同时提供灵活的实体识别功能。模型支持英语处理,采用Apache-2.0许可证开源发布。相比传统NER模型的固定实体类型限制和大语言模型的高资源消耗,该模型提供了一个平衡的解决方案。
bluebert_pubmed_uncased_L-12_H-768_A-12 - 基于PubMed文本的BlueBERT模型及其应用
BERT模型BlueBertGithubHuggingfacePubMed开源项目模型生物医学自然语言处理
探索在PubMed文献上预训练的BERT模型,BlueBERT利用4000M词语料库支持生物医学自然语言处理,提升医学信息提取和文本分析精度,并通过多个基准数据集的评估。
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