language: "pt" widget:

• text: "锁骨下中心静脉双腔导管接受生理盐水和葡萄糖溶液双通道输注。"
• text: "患者肺部脓毒症第8天使用他唑巴坦（患者已2天未接受抗生素治疗）。"
• text: "已完成左氧氟沙星抗生素疗程7天。"

datasets:

• SemClinBr thumbnail: "https://raw.githubusercontent.com/HAILab-PUCPR/BioBERTpt/master/images/logo-biobertpr1.png"

葡萄牙语临床命名实体识别 - 治疗类

该治疗类命名实体识别模型是BioBERTpt项目的组成部分，该项目训练了13个与UMLS兼容的临床实体模型。用户"pucpr"的所有NER模型均基于巴西临床语料库SemClinBr训练，采用BioBERTpt（全量）模型进行10个epoch的IOB2格式训练。

致谢

本研究部分由巴西高等教育人才提升协调会（CAPES）资助——财政代码001。

引用文献

@inproceedings{schneider-etal-2020-biobertpt,
    title = "{B}io{BERT}pt - 用于临床命名实体识别的葡萄牙语神经网络语言模型",
    author = "Schneider, Elisa Terumi Rubel 等",
    booktitle = "第三届临床自然语言处理研讨会论文集",
    month = 11月,
    year = "2020",
    address = "线上",
    publisher = "计算语言学协会",
    url = "https://www.aclweb.org/anthology/2020.clinicalnlp-1.7",
    pages = "65--72",
    abstract = "随着电子健康记录数据的增长，临床NLP任务对从非结构化临床文本中提取有价值信息愈发重要。虽然英语语料库的下游NLP任务（如命名实体识别）性能近期因情境化语言模型而提升，但针对低资源语言临床文本的研究较少。我们的目标是评估葡萄牙语深度情境嵌入模型BioBERTpt在支持临床和生物医学NER中的应用。我们将多语言BERT模型中的学习信息迁移至巴西葡萄牙语的临床叙述和生物医学科学论文语料库。通过在两个包含临床叙述的标注语料库上进行NER实验，BioBERTpt的F1分数比基线模型提升2.72%，在13个评估实体中有11个表现更优。研究表明，用领域文献丰富情境嵌入模型能显著提升特定NLP任务性能。迁移学习过程通过减少标注数据需求和完整模型重训练需求，增强了葡萄牙语生物医学NER模型。",
}

问题咨询？

请在BioBERTpt代码库提交GitHub议题。