Project Icon

S-PubMedBert-MS-MARCO

医疗文本信息检索专用BERT模型

S-PubMedBert-MS-MARCO是一个针对医疗和健康文本领域优化的信息检索模型。它基于PubMedBERT,并通过MS-MARCO数据集微调,可将文本映射为768维向量。该模型适用于语义搜索和文本聚类,支持Sentence-Transformers和HuggingFace Transformers框架,为医疗文本分析提供了有效工具。

ms-marco-electra-base - ELECTRA跨编码器模型提升MS Marco信息检索效率
Cross-EncoderGithubHuggingfaceMS Marco信息检索开源项目模型模型性能自然语言处理
该模型是基于ELECTRA架构的跨编码器,专为MS Marco段落排序任务设计。其主要功能是高效编码查询和段落,用于信息检索的检索和重排序。模型在TREC Deep Learning 2019数据集上达到71.99的NDCG@10分数,MS Marco开发集上MRR@10为36.41,处理速度为每秒340文档。这些指标显示该模型在性能和效率方面达到了良好平衡。
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。
msmarco-MiniLM-L6-en-de-v1 - MSMARCO跨语言文本重排序模型 支持英德双向检索
GithubHuggingfaceMS MARCO信息检索开源项目性能评估搜索排序模型跨语言模型
这是一个基于MS MARCO数据集训练的跨语言文本重排序模型,支持英语和德语文本的相关性排序。模型可处理英语-英语、德语-英语和德语-德语的文本匹配任务。在TREC-DL19和GermanDPR基准测试中表现出色,处理速度可达每秒1600个文档对。兼容SentenceTransformers和Transformers框架,为跨语言信息检索应用提供了高效方案。
ms-marco-MiniLM-L-2-v2 - 基于MS Marco训练的跨编码器模型实现高效文本排序
Cross-EncoderGithubHuggingfaceMS Marco信息检索开源项目模型模型性能自然语言处理
这是一个基于MS Marco Passage Ranking任务训练的跨编码器模型。主要用于信息检索领域,通过对查询和候选段落编码实现文本排序。模型在TREC Deep Learning 2019和MS Marco Passage Reranking数据集上展现出优秀性能,NDCG@10和MRR@10指标表现突出。支持Transformers和SentenceTransformers两种调用方式,适用于多种应用场景。
tct_colbert-msmarco - 知识蒸馏技术驱动的密集文档检索深度学习模型
GithubHuggingfaceTCT-ColBERT信息检索开源项目排序优化模型模型训练深度学习
TCT-ColBERT是一个采用知识蒸馏技术的密集文档检索模型。该模型通过教师模型紧耦合方法,实现了BERT模型的轻量化,在维持检索效果的同时提高了运行效率。项目支持Pyserini框架集成,提供完整的模型实现代码。
biomedical-ner-all - 基于英语的生物医学实体识别AI模型
AIGithubHuggingfaceMaccrobatNamed Entity Recognitiontransformers库开源项目模型生物医学
该AI模型基于Maccrobat数据集训练,可以识别107种生物医学实体,适用于案例报告等文本工作。通过distilbert-base-uncased构建,拥有低碳排放(0.0279千克)和30.17分钟的训练时间。通过Huggingface API或transformers库,可便捷应用于生物医学领域;教程视频提供详细使用说明。
bert-base-uncased-mrpc - BERT文本语义对比模型在MRPC数据集实现86%准确率
BERTGithubHuggingface开源项目文本分类机器学习模型自然语言处理语义分析
BERT-base-uncased经MRPC数据集微调后的文本语义分析模型,通过双向掩码语言建模实现句子对的语义等价性判断。模型在验证集达到86.03%准确率和90.42% F1分数,具备大小写不敏感特性,可广泛应用于文本语义理解任务。
ms-marco-MiniLM-L-6-v2 - 高性能跨编码器模型用于信息检索和文本排序
Cross-EncoderGithubHuggingfaceMS Marco信息检索开源项目模型模型性能自然语言处理
ms-marco-MiniLM-L-6-v2是一款针对MS Marco段落排序任务开发的跨编码器模型。该模型在信息检索领域表现卓越,能够高效编码和排序查询与文本段落。在TREC Deep Learning 2019和MS Marco Passage Reranking数据集评测中,模型展现出优异性能,NDCG@10和MRR@10分别达到74.30和39.01。ms-marco-MiniLM-L-6-v2兼顾效率与准确性,每秒可处理1800个文档,为信息检索应用提供了实用解决方案。
MedicalGPT - 优化医疗GPT模型,提升医疗对话系统的响应与精确性
GithubMedicalGPT医患对话医疗大模型开源项目强化学习微调
MedicalGPT项目采用多阶段方法如增量预训练、精细微调及奖励建模强化学习,优化医疗GPT模型,增强医疗对话与问答系统的性能。模型以人类反馈为基础,通过直接偏好优化和强化学习策略,调整生成对话的质量与人类偏好的契合度,提供科学准确的医疗咨询,项目持续接入先进的医疗语言处理技术,应对医疗领域的需求变化。
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。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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