语言: "葡萄牙语" 小部件示例:

• 文本: "排尿性膀胱尿道造影，排尿后残留显著。"
• 文本: "检查中仅见冲击部位轻度充血。"

数据集:

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

葡萄牙语临床命名实体识别 - 诊断模型

该诊断命名实体识别模型隶属于BioBERTpt项目，该项目训练了13个与统一医学语言系统(UMLS)兼容的临床实体模型。用户"pucpr"的所有命名实体识别模型均基于巴西临床语料库SemClinBr训练，采用BioBERTpt(完整版)模型经过10个训练周期，使用IOB2标注格式。

致谢

本研究部分资金由巴西高等教育人才提升协调委员会(CAPES)提供 - 财政代码001。

引用文献

@inproceedings{schneider-etal-2020-biobertpt,
    title = "{B}io{BERT}pt - 面向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，临床自然语言处理任务对解锁非结构化临床文本中的关键信息愈发重要。尽管英语语料库的下游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仍显不足。本研究旨在评估葡萄牙语深度情境嵌入模型BioBERTpt对临床和生物医学命名实体识别的支持效果。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命名实体识别实验，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。该迁移学习过程通过减少标注数据需求和完整模型再训练需求，增强了葡萄牙语生物医学命名实体识别模型。",
}

问题咨询?

请在BioBERTpt代码库提交GitHub议题。