相关项目
zshot
Zshot是一个高度可定制的开源框架，支持零样本和少样本的命名实体识别和关系识别。该框架提供提及抽取、维基化和关系抽取等功能，并利用SpaCy进行可视化。适用于研究和工业应用，支持最新的方法和预训练模型，并提供易于扩展的API接口。
relik
ReLiK是一个开源的轻量级信息抽取模型,专注于实体链接和关系抽取任务。它采用检索-阅读架构,能高效处理大规模文档并提取关键信息。ReLiK支持预训练模型快速加载,适用于多种NLP场景。该项目在保证准确性的同时大幅提升了处理速度,为自然语言处理研究提供了实用的工具。
SapBERT-from-PubMedBERT-fulltext
SapBERT-from-PubMedBERT-fulltext是一个基于PubMedBERT的生物医学实体表示模型。该模型采用自对齐预训练技术，精确捕捉实体间的细粒度语义关系，在医学实体链接任务中表现出色。它在多个基准数据集上创造新纪录，显示出卓越的性能和适应性。模型支持快速生成生物医学实体的高质量嵌入表示，为相关研究提供有力工具。
SapBERT-UMLS-2020AB-all-lang-from-XLMR
SapBERT-UMLS-2020AB-all-lang-from-XLMR是基于XLM-RoBERTa的跨语言生物医学实体表示学习框架。该模型利用UMLS 2020AB数据集训练，生成高质量的多语言生物医学实体嵌入。在ACL 2021和NAACL 2021会议上获得认可，为生物医学实体链接和语义相似度计算提供有力支持。研究人员可便捷提取实体表示，推动跨语言生物医学文本挖掘研究发展。