Hwtcmner
基於BERT微調的命名實體識別專用模型,專為中醫藥領域設計,在該領域的NER任務中達到領先性能。
下載量 18
發布時間 : 6/7/2024
模型概述
TCMNER是基於BERT微調的命名實體識別專用模型,專為中醫藥領域設計,可識別六類實體:方劑、本草、來源、病名、症狀及證型。
模型特點
中醫藥領域專用
專為中醫藥領域設計,在該領域的NER任務中達到領先性能。
六類實體識別
可識別方劑、本草、來源、病名、症狀及證型六類實體。
基於RoBERTa優化
基於RoBERTa架構優化的中醫藥專用模型TCMRoBERTa。
模型能力
中醫藥文本命名實體識別
方劑識別
本草識別
來源識別
病名識別
症狀識別
證型識別
使用案例
中醫藥文本處理
中醫藥文獻分析
用於分析中醫藥文獻中的關鍵實體,如方劑、本草等。
可準確識別文獻中的六類實體。
中醫藥知識圖譜構建
用於構建中醫藥知識圖譜,提取關鍵實體信息。
提供高質量的實體識別結果,支持知識圖譜構建。
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98