语言: "葡萄牙语" 示例文本:

• 文本: "锁骨下中心静脉双腔导管接受生理盐水和葡萄糖溶液双向输入。"
• 文本: "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）。"
• 文本: "已完成左氧氟沙星7日抗生素疗程。"

数据集:

• SemClinBr（巴西临床语料库） 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 - 化学药品类

该化学药品类NER模型隶属于BioBERTpt项目，该项目共训练了13个符合UMLS标准的临床实体识别模型。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epoch的IOB2格式训练。

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 - 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,
    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关键信息愈发重要。虽然英语语料库中的命名实体识别等下游NLP任务性能近期因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匮乏。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NER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论文语料库。通过在两个标注临床叙述语料库上的NER实验表明，我们的领域内模型F1值较基线模型提升2.72%，在13个评估实体中有11个表现更优。这证实了领域文献对增强情境嵌入模型在特定NLP任务性能的重要作用。迁移学习过程通过降低标注数据需求和避免全模型重训练，显著提升了葡萄牙语生物医学NER模型效能。",
}

问题咨询？

请在BioBERTpt代码库提交GitHub议题。