Macbert Base Chinese Medical Collation

🚀 醫療拼寫檢查微調版MacBERT模型

本模型是MacBERT的微調版本，專為醫療應用場景下的拼寫檢查而設計。它能有效解決醫療文本中的拼寫錯誤問題，提升醫療文本的準確性和規範性，為醫療信息的處理提供有力支持。

🚀 快速開始

你可以直接使用此模型配合標記分類管道進行操作：

>>> 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("如果病情較重，可適當口服甲肖唑片、環酯紅黴素片等藥物進行抗感染鎮痛。")

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

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

✨ 主要特性

• 針對性微調：在包含60K + 篇授權醫療文章的300M數據集上對MacBERT中文基礎版本進行微調。
• 數據增強策略：通過添加與視覺或語音相似的字符噪聲，隨機混淆這些文章中30%的句子，增強模型的魯棒性。
• 高準確率：在測試數據集上可達到96%的準確率。

📚 詳細文檔

模型描述

本模型是MacBERT的微調版本，用於醫療應用場景中的拼寫檢查。我們在一個包含60K + 篇授權醫療文章的300M數據集上對MacBERT中文基礎版本進行了微調。我們提出通過添加與視覺或語音相似的字符噪聲，隨機混淆這些文章中30%的句子。因此，微調後的模型在我們的測試數據集上可以達到96%的準確率。

預期用途和限制

你可以直接使用此模型配合標記分類管道進行操作，具體代碼示例見“快速開始”部分。

框架版本

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

📄 許可證

本項目採用Apache - 2.0許可證。