Openbioner Base

🚀 OpenBioNER：輕量級生物醫學命名實體識別模型

OpenBioNER 是一款輕量級的基於 BERT 的模型，專為 開放領域 的生物醫學命名實體識別（NER）量身定製。該模型僅依據實體的 自然語言描述 就能識別未見的目標實體類型，無需重新訓練。它在通過大語言模型（LLM）自監督生成的合成銀標註上進行了預訓練。大量實驗表明，在各種生物醫學基準測試的零樣本設置中，OpenBioNER 優於專業的大語言模型，如 UniNER 和 GPT - 4o，F1 分數提升高達 10%。與 GLiNER 等較小的基線模型相比，我們的模型在使用參數最多減少 4 倍的情況下，仍能取得更好的性能。

🚀 快速開始

OpenBioNER 是一個專門為開放領域生物醫學命名實體識別設計的輕量級 BERT 模型。它能夠僅根據自然語言描述識別未見的目標實體類型，無需重新訓練。

✨ 主要特性

• 開放領域適用性：能夠基於自然語言描述識別未見的目標實體類型，無需重新訓練。
• 預訓練優勢：在通過 LLM 自監督生成的合成銀標註上進行預訓練。
• 性能卓越：在零樣本設置的各種生物醫學基準測試中，優於專業的大語言模型，如 UniNER 和 GPT - 4o，F1 分數提升高達 10%。
• 參數高效：與較小的基線模型相比，使用參數最多減少 4 倍的情況下，仍能取得更好的性能。

📦 安裝指南

要使用此模型，您必須安裝 IBM Zshot 庫（在下一版本發佈前從主分支安裝）：

!pip install git+https://github.com/IBM/zshot.git@main gliner --quiet
!python -m spacy download en_core_web_sm

💻 使用示例

基礎用法

import spacy

from zshot import PipelineConfig, displacy
from zshot.linker import LinkerSMXM
from zshot.evaluation.metrics._seqeval._seqeval import Seqeval
from zshot.utils.data_models import Entity
from zshot.evaluation.zshot_evaluate import evaluate, prettify_evaluate_report

# define your list of candidate entity types
entities = [
     Entity(name='BACTERIUM', description='A bacterium refers to a type of microorganism that can exist as a single cell and may cause infections or play a role in various biological processes. Examples include species like Streptococcus pneumoniae and Streptomyces ahygroscopicus.', vocabulary=None),
]

nlp = spacy.blank("en")
nlp_config = PipelineConfig(
    linker=LinkerSMXM(model_name="disi-unibo-nlp/openbioner-base"),
    entities=entities,
    device='cuda' # or 'cpu' if GPU not available
)
nlp.add_pipe("zshot", config=nlp_config, last=True)


sentence = "Impact of cofactor - binding loop mutations on thermotolerance and activity of E. coli transketolase"
doc = nlp(sentence)

displacy.render(doc, style="ent")

📚 詳細文檔

鏈接

• 博客：[博客鏈接]
• 演示：演示鏈接
• Colab 中的使用示例：Colab 鏈接

性能

OpenBioNER 在所有數據集上均優於所有競爭模型，實現了 最高的平均性能。

⚠️ 重要提示

請注意，使用 zshot 庫運行評估時，在某些基準測試中可能會導致與論文中報告的結果略有不同。這種差異是由於標記對齊的不同：zshot 使用 spaCy 的基於字符的跨度匹配，而我們的實驗使用基於 BERT 的 NER 管道處理的標記級對齊。這些差異可能會影響實體跨度的匹配和評估，特別是在有子詞標記化或標點符號的情況下。

🧬 如何編寫有效的實體類型描述

實體類型描述對於提高 OpenBioNER 的泛化能力至關重要。編寫良好的描述有助於模型消除類型歧義、處理稀有類別，並與不同數據集的實際使用情況保持一致。

✅ 最佳實踐

• 清晰定義開頭：簡要解釋實體類型是什麼。
• 包含功能或上下文：添加其功能、用途或出現位置。
• 列出 3 - 5 個具體示例：使用與領域相關的示例（例如，實際的疾病、蛋白質或食物項目）。
• 提及子類型或同義詞（可選）：有助於捕捉詞彙變化和稀有提及。
• 保持簡潔：1 - 3 個結構良好的句子是理想的。

⚠️ 避免的常見錯誤

• 模糊或過於通用的描述
• 沒有示例
• 只是一個術語列表
• 冗餘或循環的措辭

🧪 模板（推薦格式）

A [TYPE] refers to [concise definition]. It includes examples such as [example1], [example2], and [example3].

作者

• Alessio Cocchieri
• Giacomo Frisoni
• Marcos Martinez Galindo
• Gianluca Moro
• Giuseppe Tagliavini
• Francesco Candoli

📬 聯繫方式

如有問題、合作或反饋，請隨時聯繫：

• Alessio: a.cocchieri@unibo.it
• Giacomo: giacomo.frisoni@unibo.it
• Marcos: marcos.martinez.galindo@ibm.com

📄 許可證

本項目採用 MIT 許可證。

信息表格