Openbioner Base

🚀 OpenBioNER：轻量级生物医学命名实体识别模型

OpenBioNER 是一款轻量级的基于 BERT 的模型，专为 开放领域 的生物医学命名实体识别（NER）量身定制。该模型仅依据实体的 自然语言描述 就能识别未见的目标实体类型，无需重新训练。它在通过大语言模型（LLM）自监督生成的合成银标注上进行了预训练。大量实验表明，在各种生物医学基准测试的零样本设置中，OpenBioNER 优于专业的大语言模型，如 UniNER 和 GPT - 4o，F1 分数提升高达 10%。与 GLiNER 等较小的基线模型相比，我们的模型在使用参数最多减少 4 倍的情况下，仍能取得更好的性能。

🚀 快速开始

OpenBioNER 是一个专门为开放领域生物医学命名实体识别设计的轻量级 BERT 模型。它能够仅根据自然语言描述识别未见的目标实体类型，无需重新训练。

✨ 主要特性

• 开放领域适用性：能够基于自然语言描述识别未见的目标实体类型，无需重新训练。
• 预训练优势：在通过 LLM 自监督生成的合成银标注上进行预训练。
• 性能卓越：在零样本设置的各种生物医学基准测试中，优于专业的大语言模型，如 UniNER 和 GPT - 4o，F1 分数提升高达 10%。
• 参数高效：与较小的基线模型相比，使用参数最多减少 4 倍的情况下，仍能取得更好的性能。

📦 安装指南

要使用此模型，您必须安装 IBM Zshot 库（在下一版本发布前从主分支安装）：

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

💻 使用示例

基础用法

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")

📚 详细文档

链接

• 博客：[博客链接]
• 演示：演示链接
• Colab 中的使用示例：Colab 链接

性能

OpenBioNER 在所有数据集上均优于所有竞争模型，实现了 最高的平均性能。

⚠️ 重要提示

请注意，使用 zshot 库运行评估时，在某些基准测试中可能会导致与论文中报告的结果略有不同。这种差异是由于标记对齐的不同：zshot 使用 spaCy 的基于字符的跨度匹配，而我们的实验使用基于 BERT 的 NER 管道处理的标记级对齐。这些差异可能会影响实体跨度的匹配和评估，特别是在有子词标记化或标点符号的情况下。

🧬 如何编写有效的实体类型描述

实体类型描述对于提高 OpenBioNER 的泛化能力至关重要。编写良好的描述有助于模型消除类型歧义、处理稀有类别，并与不同数据集的实际使用情况保持一致。

✅ 最佳实践

• 清晰定义开头：简要解释实体类型是什么。
• 包含功能或上下文：添加其功能、用途或出现位置。
• 列出 3 - 5 个具体示例：使用与领域相关的示例（例如，实际的疾病、蛋白质或食物项目）。
• 提及子类型或同义词（可选）：有助于捕捉词汇变化和稀有提及。
• 保持简洁：1 - 3 个结构良好的句子是理想的。

⚠️ 避免的常见错误

• 模糊或过于通用的描述
• 没有示例
• 只是一个术语列表
• 冗余或循环的措辞

🧪 模板（推荐格式）

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

📬 联系方式

如有问题、合作或反馈，请随时联系：

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

📄 许可证

本项目采用 MIT 许可证。

信息表格