Jul, 2020

Stanza Python NLP 库中生物医学和临床英语模型包

PDF
TL;DR本文介绍了 Stanza Python NLP 库的生物医学和临床英语模型包，这些模型包通过将 Stanza 的完全神经架构与各种开放数据集以及大规模无监督的生物医学和临床文本数据相结合，为生物医学和临床文本提供了准确的句法分析和命名实体识别功能。通过大量实验，我们证明了我们的模型包的句法分析和命名实体识别性能与现有最先进的结果相当甚至超越，而且当 GPU 加速可用时，这些模型不会影响速度，具有易于下载和使用的 Stanza Python 接口。
发现论文，激发创造
  • Stanza：一个针对多种自然语言的 Python 自然语言处理工具包

    Stanza 是一个支持 66 种人类语言的 Python 自然语言处理工具包，具有语言无关的完全神经管道，包括标记化，词形变化，词性和形态特征标记，依存分析和命名实体识别。

    Mar, 2020

  • ScispaCy：用于生物医学自然语言处理的快速和鲁棒模型

    本文描述了一个新的生物医学 / 科学文本处理工具，名为 scispaCy，它大量利用了 spaCy 库，通过两个模型包的性能表明其在多个任务和数据集上的稳健性。

    Feb, 2019

  • 用 medspaCy 进入临床领域：一个新的 Python 临床文本处理工具包

    介绍了 medspaCy，这是一个基于 spaCy 框架的可扩展的、开源的临床自然语言处理（cNLP）库，它允许灵活地集成基于规则和基于机器学习的算法来适应临床文本，包括多种元素，可以满足常见的 cNLP 需求，如上下文分析和映射到标准术语。

    Jun, 2021

  • 生物医学自然语言处理中的大型语言模型：基准、基线和建议

    本研究通过实验验证了 GPT-3 和 GPT-4 在 8 个 BioNLP 应用中的性能表现，并对其识别错误进行了分析，提出了在 BioNLP 应用中使用 LLMs 的建议。

    May, 2023

  • 使用 Spark NLP 优化 COVID-19 研究的临床文档理解

    该研究构建了一个临床文本挖掘系统，利用命名实体识别和深度学习模型优化了现有技术，能够从 COVID-19 研究数据集中提取潜在趋势和洞见，支持分布式集群计算以及新增实体类型或人类语言训练模型无需编程。

    Dec, 2020

  • 面向临床自然语言处理的轻量级 Transformer

    通过知识蒸馏和不断学习等技术，本研究着眼于发展处理临床文本的高效轻量级语言模型，与生物医学文本数据训练的大型模型相比，这些模型效果相当甚至更好，并超越了任何其他训练过的小型模型在自然语言推理、关系提取、命名实体识别和序列分类等临床文本挖掘任务上的表现。

    Feb, 2023

  • 在 Tweebank 语料库上进行命名实体识别注释，并建立用于社交媒体分析的 NLP 模型

    本研究旨在创建 Tweebank-NER，一个基于 Tweebank V2 的英文 NER 语料库，用 TB2 训练最先进的 Tweet NLP 模型，并发布名为 Twitter-Stanza 的 NLP 管道。

    Jan, 2022

  • 面向中文临床文本的医疗信息标注和提取统一框架

    该研究提供了一个医学信息提取的工程框架，其中包括医疗实体识别、关系提取和属性提取。通过深度学习技术和注释语料库，该系统可以高准确率地提取医学实体、关系和属性。

    Mar, 2022

  • 从生物医学文献中进行意图识别和实体提取

    通过全面的实证评估，我们表明在生物医学文本中，受监督的微调方法仍然相关且比通用性的大型语言模型更有效，如 PubMedBERT 可以仅凭 5 个受监督示例就能在命名实体识别任务上超过 ChatGPT。

    Apr, 2024

  • 基于特定领域 ALBERT 的生物医学自然语言处理任务基准测试

    通过适应生物医学领域 (PubMed、PubMed Central 和 MIMIC-III 数据集) 并微调了 20 个基准数据集上的 6 个任务，我们提出了 BioALBERT，并展示了它在大部分任务中优于现有技术。

    Jul, 2021