许可证：apache-2.0
基础模型：bert-base-cased
标签：

• generated_from_trainer
• medical
  模型索引：
• 名称：bert-base-cased-biomedical-ner
  结果：[]
  语言：
• en
  数据集：
• EMBO/SourceData
  管道标签：token-classification

⚠️ 注意：此模型已被基于ModernBERT架构的新版本取代。
查看改进后的模型：

• 🔬 ModernBERT-base-biomedical-ner
• 🧬 ModernBERT-large-biomedical-ner

这些新模型在生物医学NER任务中表现更优，推荐用于大多数场景。

模型卡片：bert-base-cased-biological-ner

模型详情

• 模型名称：bert-base-cased-biomedical-ner
• 模型架构：BERT（双向编码器表示转换器）
• 预训练模型：bert-base-cased
• 微调数据集：SourceData数据集

模型描述

bert-base-cased-biomedical-ner是基于BERT（双向编码器表示转换器）模型微调的变体，专为生物医学领域的命名实体识别（NER）任务设计。该模型在SourceData数据集上进行了微调，这是一个用于出版领域机器学习和AI的大规模综合性生物医学语料库。

命名实体识别是自然语言处理中的关键任务，尤其在生物医学领域，识别和分类基因、蛋白质、疾病等实体对于信息检索、知识提取和数据挖掘等应用至关重要。

预期用途

bert-base-cased-biological-ner模型适用于生物医学领域的NER任务，可用于以下场景：

• 从非结构化文本中识别和提取生物医学实体（如基因、蛋白质、疾病）。
• 增强科学文献的信息检索系统。
• 支持从生物医学文献中提取知识和数据挖掘。
• 促进结构化生物医学数据库的构建。

标签

使用方法

from transformers import pipeline, AutoModelForTokenClassification, AutoTokenizer  
import pandas as pd  

tokenizer = AutoTokenizer.from_pretrained("Kushtrim/bert-base-cased-biomedical-ner")  
model = AutoModelForTokenClassification.from_pretrained("Kushtrim/bert-base-cased-biomedical-ner")  

ner = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy='first')  

text = "在此输入您的文本"  

results = ner(text)  

pd.DataFrame.from_records(results)  

训练过程

训练超参数

训练时使用的超参数如下：

• 学习率：2e-05
• 训练批次大小：16
• 评估批次大小：16
• 随机种子：42
• 优化器：Adam（beta=(0.9,0.999)，epsilon=1e-08）
• 学习率调度器类型：linear
• 训练轮数：3

框架版本

• Transformers 4.35.0
• Pytorch 2.1.0+cu118
• Datasets 2.14.6
• Tokenizers 0.14.1