🚀 基于SciBERT的科学术语命名实体识别模型

本项目是一个基于allenai/scibert_scivocab_cased的命名实体识别（NER）模型。通过使用 SciERC 数据集 进行微调，该模型能够精准识别科学文本中的各类术语，为科学信息提取和分析提供有力支持。

🚀 快速开始

你可以点击下面的链接在 Google Colab 中体验该模型：

✨ 主要特性

• 强大的识别能力：能够识别多种科学术语，包括任务、方法、评估指标、材料等。
• 基于预训练模型：使用 allenai/scibert_scivocab_cased 作为基础模型，经过微调后更适合科学文本处理。
• 可视化展示：提供模型混淆矩阵和相关图片，帮助用户更好地理解模型性能。

📦 安装指南

本项目未提供具体安装步骤，你可以参考以下使用示例在 Python 环境中使用该模型。

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("RJuro/SciNERTopic")
model_trf = AutoModelForTokenClassification.from_pretrained("RJuro/SciNERTopic")

nlp = pipeline("ner", model=model_trf, tokenizer=tokenizer, aggregation_strategy='average')

📚 详细文档

识别的科学术语类别

• 任务：应用场景、待解决的问题、待构建的系统。例如信息提取、机器阅读系统、图像分割等。
• 方法：使用的方法、模型、系统，或工具、系统组件、框架。例如语言模型、CORENLP、词性标注器、核方法等。
• 评估指标：用于衡量系统/方法质量的指标、度量或实体。例如 F1、BLEU、精确率、召回率、ROC 曲线、平均倒数排名、均方误差、鲁棒性、时间复杂度等。
• 材料：数据、数据集、资源、语料库、知识库。例如图像数据、语音数据、立体图像、双语词典、释义问题、CoNLL、Panntreebank、WordNet、维基百科等。
• 其他科学术语：属于科学术语但不属于上述类别的短语。例如物理或几何约束、定性先验知识、语篇结构、句法规则、语篇结构、树、节点、树核、特征、噪声、标准等。
• 通用术语：可能指代实体但本身不具信息性的通用术语或代词，常作为连接词使用。例如模型、方法、先验知识、它们、它等。

训练参数

• 学习率：1e-05
• 训练轮数：10

性能指标

• 评估损失：0.401
• 精确率：0.577
• 召回率：0.632
• F1 值：0.603

Colab 体验

你可以在 Colab 中体验该模型在 NER 增强主题建模中的应用，灵感来源于 BERTopic。

📄 许可证

本项目采用 MIT 许可证。

📖 引用信息

如果你使用了本模型，请引用以下信息：

@misc {roman_jurowetzki_2022,
	author       = { {Roman Jurowetzki, Hamid Bekamiri} },
	title        = { SciNERTopic - NER enhanced transformer-based topic modelling for scientific text },
	year         = 2022,
	url          = { https://huggingface.co/RJuro/SciNERTopic },
	doi          = { 10.57967/hf/0095 },
	publisher    = { Hugging Face }
}