Biomednlp PubMedBERT Base Uncased Abstract Fulltext Pub Section

🚀 BiomedNLP - PubMedBERT-base-uncased-abstract-fulltext_pub_section

本項目是一個用於文檔段落文本分類的模型，基於microsoft/BiomedNLP - PubMedBERT-base-uncased-abstract-fulltext進行微調。可對醫學文檔的不同段落進行分類，如背景、結論、方法、目標、結果等。

🚀 快速開始

安裝依賴

根據需要安裝transformers庫：

pip install -U transformers

運行示例

運行以下代碼，將示例文本替換為你的實際用例：

from transformers import pipeline

model_tag = "ml4pubmed/BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext_pub_section"
classifier = pipeline(
              'text-classification', 
              model=model_tag, 
            )
            
prompt = """
Experiments on two machine translation tasks show these models to be superior in quality while being more parallelizable and requiring significantly less time to train.
"""

classifier(
    prompt,
) # classify the sentence

✨ 主要特性

• 適用數據集：pubmed、ml4pubmed/pubmed-classification-20k。
• 評估指標：f1。
• 支持任務：文本分類、文檔段落分類、句子分類、文檔分類等醫學相關的文本分類任務。

📦 安裝指南

若需要使用該模型，需安裝transformers庫，安裝命令如下：

pip install -U transformers

💻 使用示例

基礎用法

from transformers import pipeline

model_tag = "ml4pubmed/BiomedNLP-PubMedBERT-base-uncased-abstract-fulltext_pub_section"
classifier = pipeline(
              'text-classification', 
              model=model_tag, 
            )
            
prompt = """
Experiments on two machine translation tasks show these models to be superior in quality while being more parallelizable and requiring significantly less time to train.
"""

classifier(
    prompt,
) # classify the sentence

🔧 技術細節

訓練指標

📄 許可證

本項目採用apache - 2.0許可證。