Openmed NER DiseaseDetect SuperMedical 355M
Apache-2.0
专门用于疾病实体识别的模型，能够精准识别来自BC5CDR数据集中的疾病实体。
序列标注
Transformers 英语
Transformers 英语O
OpenMed
83.07k
1
Chinese Medical Ner
一个专门用于中文医疗文本的命名实体识别模型，能够识别疾病、药物、治疗程序等医疗相关实体。
序列标注 Transformers
TransformersC
lixin12345
1,114
10
Biobert V1.1 Pubmed Finetuned Ner
基于BioBERT在NCBI疾病数据集上微调的命名实体识别模型
序列标注 Transformers
TransformersB
fidukm34
197
1
Ner Disease Ncbi Bionlp Bc5cdr Pubmed
Apache-2.0
基于NCBI疾病数据集和BC5CDR数据集训练的命名实体识别模型，专注于识别生物医学文献中的疾病实体
序列标注 Transformers 支持多种语言
Transformers 支持多种语言N
raynardj
10.84k
11
Clinicalnerpt Disease
基于BioBERTpt的葡萄牙语临床疾病命名实体识别模型，专门用于从巴西临床文本中识别疾病相关实体
序列标注 Transformers 其他
Transformers 其他C
pucpr
23
9
Biobert Ncbi Disease Ner
Openrail
基于BioBERT在NCBI疾病数据集上微调的命名实体识别模型，用于识别医学和生物学文本中的疾病提及。
序列标注 英语
B
ugaray96
40.53k
19
Biobert Diseases Ner
Apache-2.0
该模型是基于BioBERT在BC5CDR和NCBI疾病语料上微调的，专门用于生物医学领域的疾病命名实体识别任务。
序列标注 Transformers 英语
Transformers 英语B
alvaroalon2
6,521
44
Bioformer 8L Ncbi Disease
Apache-2.0
Bioformer-8L 是一个在 NCBI 疾病数据集上微调的生物医学领域命名实体识别模型，专注于疾病实体识别。
序列标注 Transformers 英语
Transformers 英语B
bioformers
1,973
1
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型 Transformers 支持多种语言
Transformers 支持多种语言L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。
对话系统 Transformers 英语
Transformers 英语C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
智启未来，您的人工智能解决方案智库
简体中文