Hwtcmner

🚀 TCMNER

TCMNER是一個用於中醫藥命名實體識別的微調模型，能夠精準識別中醫藥領域的多種實體類型，為中醫藥信息處理提供了高效的解決方案，助力中醫藥研究和應用的智能化發展。

🚀 快速開始

你可以使用Transformers管道進行命名實體識別（NER），以下是使用該模型的示例代碼：

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("Monor/TCMNER")
model = AutoModelForTokenClassification.from_pretrained("Monor/TCMNER")

nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "化滯湯,出處：《證治匯補》卷八。。組成：青皮20g，陳皮20g，厚朴20g，枳實20g，黃芩20g，黃連20g，當歸20g，芍藥20g，木香5g，檳榔8g，滑石3g，甘草4g。。主治：下痢因於食積氣滯者。"

ner_results = nlp(example)
print(ner_results)

✨ 主要特性

• TCMNER是一個經過微調的BERT模型，可直接用於中醫藥命名實體識別任務，並在該任務上達到了先進水平。
• 該模型經過訓練，能夠識別六種類型的實體：方劑、本草、來源、病名、症狀和證型。
• 具體而言，此模型是TCMRoBERTa模型，它是針對中醫藥領域對RoBERTa進行微調後的模型，在海為科創實驗室的中文版命名實體識別數據集上進行了微調。

📚 詳細文檔

模型描述

TCMNER是一個經過微調的BERT模型，專為中醫藥命名實體識別而設計，在該任務上表現出色。它能夠識別六種實體類型，包括方劑、本草、來源、病名、症狀和證型。該模型基於TCMRoBERTa，這是一個針對中醫藥領域對RoBERTa進行微調後的模型，在海為科創實驗室的中文版命名實體識別數據集上進行了訓練。

目前，TCMRoBERTa僅為我公司的閉源模型，未來將開源。

訓練數據

該模型在MY DATASET數據集上進行了微調。以下是標籤縮寫及其描述：

評估結果

注意事項

⚠️ 重要提示

1. 該模型可免費用於商業用途。
2. 我不會針對此模型撰寫論文，如果你在論文中使用了相關細節，請註明出處，謝謝。

額外福利

我們所有的中醫藥領域模型即將開源，包括：

1. 一系列預訓練模型
2. 中醫藥命名實體識別模型
3. 古代圖像文本定位模型
4. 古代圖像OCR模型

📄 許可證

本項目採用Apache-2.0許可證。

相關鏈接

• 關於作者
• 我們的產品