#XLM-R
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
MedNERFGithub开源项目多语言模型临床命名实体识别医疗文本分析Huggingface模型XLM-R
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。
ner-dutch-large - 荷兰语命名实体识别模型，支持4类实体标签
命名实体识别XLM-R荷兰语模型Github开源项目FlairNERHuggingface
该项目提供一个荷兰语命名实体识别模型，应用于Flair和XLM-R嵌入，支持识别地点、人物等四类标签，F1得分为95.25。通过Python代码示例，展示实际文本的实体识别过程；同时，项目包含完整的训练脚本，帮助用户创建定制化识别任务。
ner-spanish-large - 大规模西班牙语实体识别 精确识别四类标签
Huggingface西班牙语人工智能XLM-R开源项目模型命名实体识别FlairGithub
Flair西班牙语实体识别模型，采用XLM-R嵌入和FLERT技术，训练于CoNLL-03西班牙数据集，F1得分90.54。支持识别人名、地名、组织名及其他标签，适合需要文本上下文精确理解的应用。