Hwtcmner

🚀 TCMNER

TCMNER是一个用于中医药命名实体识别的微调模型，能够精准识别中医药领域的多种实体类型，为中医药信息处理提供了高效的解决方案，助力中医药研究和应用的智能化发展。

🚀 快速开始

你可以使用Transformers管道进行命名实体识别（NER），以下是使用该模型的示例代码：

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 = "化滞汤,出处：《证治汇补》卷八。。组成：青皮20g，陈皮20g，厚朴20g，枳实20g，黄芩20g，黄连20g，当归20g，芍药20g，木香5g，槟榔8g，滑石3g，甘草4g。。主治：下痢因于食积气滞者。"

ner_results = nlp(example)
print(ner_results)

✨ 主要特性

• TCMNER是一个经过微调的BERT模型，可直接用于中医药命名实体识别任务，并在该任务上达到了先进水平。
• 该模型经过训练，能够识别六种类型的实体：方剂、本草、来源、病名、症状和证型。
• 具体而言，此模型是TCMRoBERTa模型，它是针对中医药领域对RoBERTa进行微调后的模型，在海为科创实验室的中文版命名实体识别数据集上进行了微调。

📚 详细文档

模型描述

TCMNER是一个经过微调的BERT模型，专为中医药命名实体识别而设计，在该任务上表现出色。它能够识别六种实体类型，包括方剂、本草、来源、病名、症状和证型。该模型基于TCMRoBERTa，这是一个针对中医药领域对RoBERTa进行微调后的模型，在海为科创实验室的中文版命名实体识别数据集上进行了训练。

目前，TCMRoBERTa仅为我公司的闭源模型，未来将开源。

训练数据

该模型在MY DATASET数据集上进行了微调。以下是标签缩写及其描述：

评估结果

注意事项

⚠️ 重要提示

1. 该模型可免费用于商业用途。
2. 我不会针对此模型撰写论文，如果你在论文中使用了相关细节，请注明出处，谢谢。

额外福利

我们所有的中医药领域模型即将开源，包括：

1. 一系列预训练模型
2. 中医药命名实体识别模型
3. 古代图像文本定位模型
4. 古代图像OCR模型

📄 许可证

本项目采用Apache-2.0许可证。

相关链接

• 关于作者
• 我们的产品