SapBERT开源跨语言生物医学实体模型 - 免费助力医疗信息精准解读

首页

Sapbert UMLS 2020AB All Lang From XLMR Large

由 cambridgeltl 开发

SapBERT是基于xlm-roberta-large基础模型，使用UMLS 2020AB数据集训练的跨语言生物医学实体表示模型。

文本嵌入

Transformers

#跨语言生物医学实体链接 #UMLS知识库适配 #多语言CLS向量表示

下载量 612

发布时间 : 3/2/2022

模型简介

SapBERT是一个专门用于生物医学领域的跨语言词汇语义表示模型，主要用于生物医学实体链接任务。它能够将不同语言的生物医学术语映射到统一的语义空间。

模型特点

跨语言能力

基于XLM-RoBERTa架构，支持多语言生物医学术语处理

领域专用表示

专门针对生物医学领域训练，优化了医学术语的语义表示

UMLS知识整合

使用UMLS 2020AB数据集训练，整合了丰富的生物医学知识

模型能力

生物医学术语表示

跨语言实体链接

语义相似度计算

使用案例

生物医学信息检索

医学术语标准化

将不同来源的医学术语映射到标准术语体系

提高医疗数据的一致性和互操作性

跨语言医学文献检索

在不同语言的医学文献中检索相同概念的文档

促进国际医学研究交流

临床决策支持

症状与疾病关联分析

识别症状与潜在疾病之间的语义关联

辅助临床诊断决策

🚀 SapBERT-XLMR

SapBERT-XLMR是一个跨语言的生物医学词汇语义模型。它基于SapBERT进行扩展，使用UMLS 2020AB数据集进行训练，以xlm - roberta - large为基础模型，可用于跨语言的生物医学实体链接等任务。

🚀 快速开始

SapBERT-XLMR是基于SapBERT (Liu et al. 2021) 训练得到的，使用了 UMLS 2020AB 数据集，并以 [xlm - roberta - large](https://huggingface.co/xlm - roberta - large) 作为基础模型。请使用 [CLS] 作为输入的表示。

✨ 主要特性

跨语言能力：可处理多种语言的生物医学数据。
领域专用：针对生物医学领域进行训练，能更好地处理该领域的词汇语义。

📦 安装指南

文档未提及安装步骤，跳过该章节。

💻 使用示例

基础用法

以下脚本可将字符串列表（实体名称）转换为嵌入向量。

import numpy as np
import torch
from tqdm.auto import tqdm
from transformers import AutoTokenizer, AutoModel  

tokenizer = AutoTokenizer.from_pretrained("cambridgeltl/SapBERT-from-PubMedBERT-fulltext")  
model = AutoModel.from_pretrained("cambridgeltl/SapBERT-from-PubMedBERT-fulltext").cuda()

# replace with your own list of entity names
all_names = ["covid-19", "Coronavirus infection", "high fever", "Tumor of posterior wall of oropharynx"] 

bs = 128 # batch size during inference
all_embs = []
for i in tqdm(np.arange(0, len(all_names), bs)):
    toks = tokenizer.batch_encode_plus(all_names[i:i+bs], 
                                       padding="max_length", 
                                       max_length=25, 
                                       truncation=True,
                                       return_tensors="pt")
    toks_cuda = {}
    for k,v in toks.items():
        toks_cuda[k] = v.cuda()
    cls_rep = model(**toks_cuda)[0][:,0,:] # use CLS representation as the embedding
    all_embs.append(cls_rep.cpu().detach().numpy())

all_embs = np.concatenate(all_embs, axis=0)

高级用法

文档未提及高级用法相关代码示例，跳过该部分。

📚 详细文档

如需了解更多关于训练和评估的详细信息，请参阅 SapBERT github仓库。

📄 许可证

文档未提及许可证信息，跳过该章节。

📖 引用

如果您使用了该模型，请引用以下文献：

@inproceedings{liu2021learning,
	title={Learning Domain-Specialised Representations for Cross-Lingual Biomedical Entity Linking},
	author={Liu, Fangyu and Vuli{\'c}, Ivan and Korhonen, Anna and Collier, Nigel},
	booktitle={Proceedings of ACL-IJCNLP 2021},
	month = aug,
	year={2021}
}