Long Covid Classification

🚀 ロングコビッド分類

このプロジェクトでは、手動で選り分けたデータセットを使用してbert-base-casedをファインチューニングし、ロングコビッド関連文書と非ロングコビッド関連文書を区別できるシーケンス分類モデルを学習させました。

✨ 主な機能

• ロングコビッド関連文書と非ロングコビッド関連文書を高精度に区別する。
• 特定のハイパーパラメータを使用してモデルを最適化。

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

📚 ドキュメント

使用したハイパーパラメータ

評価指標

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("llangnickel/long-covid-classification", use_auth_token=True)
label_dict = {0: "nonLongCOVID", 1: "longCOVID"}
model = AutoModelForSequenceClassification.from_pretrained("llangnickel/long-covid-classification", use_auth_token=True, num_labels=len(label_dict))

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています。

📚 引用

@article{10.1093/database/baac048,  
    author = {Langnickel, Lisa and Darms, Johannes and Heldt, Katharina and Ducks, Denise and Fluck, Juliane},  
    title = "{Continuous development of the semantic search engine preVIEW: from COVID-19 to long COVID}",  
    journal = {Database},  
    volume = {2022},  
    year = {2022},  
    month = {07},  
    issn = {1758-0463},  
    doi = {10.1093/database/baac048},  
    url = {https://doi.org/10.1093/database/baac048},  
    note = {baac048},  
    eprint = {https://academic.oup.com/database/article-pdf/doi/10.1093/database/baac048/44371817/baac048.pdf},  
}