Macbert Base Chinese Medical Collation

🚀 メディカル文章校正用MacBERTモデル

このモデルは、医療アプリケーションシナリオにおけるスペルチェックを目的として、MacBERTをファインチューニングしたバージョンです。医療関連の校正に特化しており、医療文章の正確性を向上させることができます。

🚀 クイックスタート

このモデルは、トークン分類のパイプラインで直接使用できます。以下に使用例を示します。

>>> from transformers import (AutoModelForTokenClassification, AutoTokenizer)
>>> from transformers import pipeline

>>> hub_model_id = "9pinus/macbert-base-chinese-medical-collation"

>>> model = AutoModelForTokenClassification.from_pretrained(hub_model_id)
>>> tokenizer = AutoTokenizer.from_pretrained(hub_model_id)
>>> classifier = pipeline('ner', model=model, tokenizer=tokenizer)
>>> result = classifier("如果病情较重，可适当口服甲肖唑片、环酯红霉素片等药物进行抗感染镇痛。")

>>> for item in result:
>>>     if item['entity'] == 1:
>>>         print(item)

{'entity': 1, 'score': 0.58127016, 'index': 14, 'word': '肖', 'start': 13, 'end': 14}

✨ 主な機能

• 医療文章のスペルチェックに特化したファインチューニング済みモデルです。
• 300Mのデータセット（60K以上の医療記事を含む）でファインチューニングされています。
• テストデータセットで96％の精度を達成しています。

📚 ドキュメント

モデルの説明

このモデルは、医療アプリケーションシナリオにおけるスペルチェックを目的として、MacBERTをファインチューニングしたバージョンです。MacBERTの中国語ベースバージョンを、60K以上の医療記事を含む300Mのデータセットでファインチューニングしました。これらの記事の30％の文章を、視覚的または音韻的に似た文字でノイズを加えることでランダムに混乱させる手法を提案しました。その結果、ファインチューニングされたモデルは、テストデータセットで96％の精度を達成することができました。

想定される用途と制限

このモデルは、トークン分類のパイプラインで直接使用できます。ただし、特定の医療シナリオに特化しているため、他の分野での汎用性は制限される場合があります。

フレームワークのバージョン

• Transformers 4.15.0
• Pytorch 1.10.1+cu113
• Datasets 1.17.0
• Tokenizers 0.10.3

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。