语言: "葡萄牙语" 示例文本:

• 文本: "作为出院时开具的心力衰竭用药方案，患者接受呋塞米40mg每日两次、单硝酸异山梨酯40mg每日三次、地高辛0.25mg每日一次、卡托普利50mg每日三次和螺内酯25mg每日一次治疗。"
• 文本: "原用药方案为呋塞米40mg每日两次、地高辛0.25mg每日一次、辛伐他汀40mg每晚一次、卡托普利50mg每日三次、单硝酸异山梨酯20mg每日三次、阿司匹林100mg每日一次及螺内酯25mg每日一次。"

数据集:

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

葡萄牙语临床药物实体识别模型

该药物实体识别模型是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(完整版)模型进行10个周期的IOB2格式训练。

致谢

本研究部分由巴西高等教育人才改进协调会(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 = "线上会议",
    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任务对解锁非结构化临床文本中的有价值信息愈发重要。尽管英语语料库中的命名实体识别(NER)等下游NLP任务性能近期通过情境化语言模型得到提升，但针对低资源语言临床文本的研究仍较少。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方面的表现。通过将多语言BERT模型的学习信息迁移至巴西葡萄牙语的临床记录和生物医学科学论文语料库。在两个包含临床记录的标注语料库上进行NER实验后，我们的领域内模型F1分数比基线模型提高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可显著提升特定NLP任务性能。迁移学习过程通过减少标注数据需求和避免完全重新训练，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。