OpenMed/OpenMed-ZeroShot-NER-Organism-Large-459M
🧬 OpenMed-ZeroShot-NER-Organism-Large-459M(https://huggingface.co/OpenMed/OpenMed-ZeroShot-NER-Organism-Large-459M) Specialized model for Species Entity Recognition - Species names from the Species-800 dataset !License(https://img.shields.io/badge/...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tuần
🧬 OpenMed-ZeroShot-NER-Organism-Large-459M: Nhận diện loài sinh học trong văn bản khoa học
Mô hình NER zero-shot dựa trên GLiNER, tinh ưu để nhận diện tên loài sinh học từ văn bản khoa học và y sinh.
OpenMed-ZeroShot-NER-Organism-Large-459M là một mô hình Named Entity Recognition (NER) zero-shot được tối ưu cho việc nhận diện tên loài (species) trong văn bản khoa học và y sinh. Được xây dực trên kiến trúc GLiNER và fine-tune trên bộ dữ liệu Species800 — chứa 800 abstract được gán nhãn tay — mô hình này hỗ trợ nhận diện cả tên khoa học lẫn tên thường của các loài sinh học, phục vụ ứng dụng trong nghiên cứu sinh thái, biocuration và khai thác tri thức sinh học.
✨ Điểm nổi bật
- Zero-Shot: Nhận diện bất kỳ loại thực thể nào mà không cần huấn luyện lại
- Tinh ưu cho tên loài: Fine-tune trên Species800, đạt F1 lên tới 0.85
- Dựa trên GLiNER: Kiến trúc mạnh mẽ hỗ trợ linh hoạt định nghĩa nhãn thực thể
- Hỗ trợ tên khoa học và thường: Nhận diện cả Danio rerio lẫn zebrafish
- Dễ tích hợp: Tương thích với hệ sinh thái Hugging Face Transformers
- Phù hợp cho y sinh và sinh học: Ứng dụng trong khai thác văn bản y khoa và EHR
💡 Vì sao đáng chú ý
Không giống như các mô hình NER thông thường cần huấn luyện lại cho từng loại thực thể, OpenMed-ZeroShot-NER-Organism-Large-459M tận dụng khả năng zero-shot của GLiNER để linh hoạt nhận diện tên loài mà không cần điều chỉnh mô hình. Kết quả fine-tune trên Species800 cho thấy cải thiện F1 lên tới 33.8% so với mô hình gốc, chứng tỏ hiệu quả cao trong nhận diện chính xác các danh hiệu sinh học. Đây là công cụ lý tưởng cho các nhà nghiên cứu làm việc với văn bản khoa học, cơ sở dữ liệu sinh học và khai thác tri thức y sinh.
#ZeroShotNER #GLiNER #BiomedicalNLP #SpeciesRecognition #TiniX
Similar Projects
Discover other similar projects and AI models.
GLiNER-PII Model Overview Description: GLiNER-PII is inspired by the Gretel GLiNER PII/PHI models. Built on the GLiNER large-v2.1 base, it detects and classifies a broad range of Personally Identifiable Information (PII) and Protected Health Informa...
🧬 OpenMed-NER-OrganismDetect-BioPatient-108M(https://huggingface.co/OpenMed/OpenMed-NER-OrganismDetect-BioPatient-108M) Specialized model for Species Entity Recognition - Species names from the Species-800 dataset !License(https://img.shields.io/ba...
🧬 OpenMed-NER-OrganismDetect-TinyMed-82M(https://huggingface.co/OpenMed/OpenMed-NER-OrganismDetect-TinyMed-82M) Specialized model for Species Entity Recognition - Species names from the Species-800 dataset !License(https://img.shields.io/badge/Lice...
🧬 OpenMed-NER-OrganismDetect-BioMed-109M(https://huggingface.co/OpenMed/OpenMed-NER-OrganismDetect-BioMed-109M) Specialized model for Species Entity Recognition - Species names from the Species-800 dataset !License(https://img.shields.io/badge/Lice...
🧬 OpenMed-NER-SpeciesDetect-ElectraMed-109M(https://huggingface.co/OpenMed/OpenMed-NER-SpeciesDetect-ElectraMed-109M) Specialized model for Species Entity Recognition - Species and organism names !License(https://img.shields.io/badge/License-Apache...
🧬 OpenMed-NER-SpeciesDetect-ModernMed-149M(https://huggingface.co/OpenMed/OpenMed-NER-SpeciesDetect-ModernMed-149M) Specialized model for Species Entity Recognition - Species and organism names !License(https://img.shields.io/badge/License-Apache%2...
🧬 OpenMed-NER-SpeciesDetect-ModernClinical-395M(https://huggingface.co/OpenMed/OpenMed-NER-SpeciesDetect-ModernClinical-395M) Specialized model for Species Entity Recognition - Species and organism names !License(https://img.shields.io/badge/Licens...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
WikiNEuRal: Combined Neural and Knowledge-based Silver Data Creation for Multilingual NER This is the model card for the EMNLP 2021 paper WikiNEuRal: Combined Neural and Knowledge-based Silver Data Creation for Multilingual NER(https://aclanthology....