语言:

• 英文 任务标签: 标记分类 许可证: Apache-2.0

命名实体识别（NER）模型，用于识别基因和蛋白质实体。

请引用我们的工作：

@article{NILNKER2022,
  标题 = {NILINKER: 基于注意力的NIL实体链接方法},
  期刊 = {生物医学信息学杂志},
  卷 = {132},
  页码 = {104137},
  年份 = {2022},
  issn = {1532-0464},
  doi = {https://doi.org/10.1016/j.jbi.2022.104137},
  网址 = {https://www.sciencedirect.com/science/article/pii/S1532046422001526},
  作者 = {佩德罗·鲁阿斯和弗朗西斯科·M·库托},
}

基于PubMedBERT微调的模型，训练数据集包括：

• miRNA测试语料库：实体类型“基因/蛋白质”
• CellFinder：实体类型“GeneProtein”
• CoMAGC：实体“Gene”
• CRAFT：实体类型“PR”
• GREC语料库：实体类型“Gene”、“Protein”、“Protein_Complex”、“Enzyme”
• JNLPBA：实体类型“protein”、“DNA”、“RNA”
• PGxCorpus：实体类型“Gene_or_protein”
• FSU_PRGE：实体类型“protein”、“protein_complex”、“protein_familiy_or_group”
• BC2GM语料库
• CHEMPROT：实体类型“GENE-Y”、“GENE-N”
• mTOR通路事件语料库：实体类型“Protein”
• DNA甲基化
• BioNLP11ID：实体类型“Gene/protein”
• BioNLP09
• BioNLP11EPI
• BioNLP13CG：实体类型“gene_or_gene_product”
• BioNLP13GE：实体类型“Protein”
• BioNLP13PC：实体类型“Gene_or_gene_product”
• MLEE：实体类型“Gene_or_gene_product”