Tempclin Biobertpt All

🚀 葡萄牙语命名实体识别 - TempClinBr - BioBERTpt(all)

本项目使用BioBERTpt(all)模型在TempClinBr语料库上进行训练，旨在实现葡萄牙语临床文本的命名实体识别，为医学信息处理提供支持。

📦 数据集

使用了TempClinBr数据集，以下是部分数据示例：

• 文本：“Dispneia importante aos esforços + dor tipo peso no peito no esforço.”
• 文本：“Obeso, has, icc c # cintilografia miocardica para avaliar angina. Discreto edema mmii pricn a esquerda.”
• 文本：“Plastia Mitral ( Insuficiencia ), CRM Saf - 2Mg e e Saf - 3MG ).(09/03/16). Nega palpitação.”
• 文本：“Uso: AAS 100 - 1xd; Metoprolol 25 - 1xd; FSM - 1xd ; Levotiroxina 175 - 1xd; Sinva 40 - 1xd; Fluoxetina 20 - 1xd.”
• 文本：“Refere melhora da dispneia depois da cx porem mantem aos mdoeardos - leves esforço.”

🔧 训练指标

以下是模型训练的各项指标：

                   precision    recall  f1 - score   support

           0       0.75      0.90      0.82       291
           1       0.77      1.00      0.87        33
           2       1.00      0.25      0.40        28
           3       0.90      0.99      0.94        71
           4       0.79      0.91      0.85       112
           5       0.72      0.83      0.77       420
           6       0.62      0.45      0.53        11
           7       0.96      0.85      0.91      2236
           8       0.61      0.67      0.64        78
           9       0.61      0.98      0.76       124
          10       0.81      0.87      0.84       503
          11       0.67      0.60      0.63        10

    accuracy                           0.86      3917
   macro avg       0.77      0.78      0.74      3917
weighted avg       0.87      0.86      0.86      3917

F1:  0.8588744393393593 Accuracy:  0.8565228491192239

⚙️ 训练参数

模型训练使用的参数如下：

device = cuda (Colab)
nclasses = len(tag2id)
nepochs = 50 => 训练在第9轮停止
batch_size = 16
batch_status = 32
learning_rate = 3e - 5

early_stop = 5
max_length = 256
write_path = 'model'

📊 测试集评估

在TempClinBr测试集上的评估结果如下，注意：评估包含标签“O”（标签编号7），如有需要可计算不包含此标签的平均值。

tag2id = {'B - Tratamento': 0,
 'I - Teste': 1,
 'I - Ocorrencia': 2,
 'B - Evidencia': 3,
 'B - Teste': 4,
 'I - Problema': 5,
 'B - DepartamentoClinico': 6,
 'O': 7,
 'I - Tratamento': 8,
 'B - Ocorrencia': 9,
 'B - Problema': 10,
 'I - DepartamentoClinico': 11,
 '<pad>': 12}

               precision    recall  f1 - score   support

           0       0.82      0.92      0.87       261
           1       0.81      0.58      0.67        99
           2       0.56      0.20      0.29        51
           3       1.00      0.94      0.97       128
           4       0.81      0.86      0.83       194
           5       0.81      0.87      0.84       645
           6       0.96      0.80      0.87        30
           7       0.95      0.90      0.93      2431
           8       0.73      0.81      0.77       146
           9       0.74      0.88      0.80       146
          10       0.87      0.95      0.91       713
          11       0.83      0.71      0.77        14
          12       0.00      0.00      0.00         0

    accuracy                           0.89      4858
   macro avg       0.76      0.72      0.73      4858
weighted avg       0.89      0.89      0.89      4858

📖 引用说明

引用方式将在后续公布。