🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training.

A curated list of resources for Japanese natural language processing (NLP): Python libraries, LLMs, dictionaries, corpora, and datasets. Includes Claude Code and Codex skills to search resources. - ...

文章浏览阅读56次。命名实体识别（NER）是医疗NLP中最基础也最关键的任务之一，其核心原理是将文本转换为序列标注问题，通过模型为每个字符分配实体标签，从而精准提取症状、疾病、检查、药物等关键信息。在中文电子病历场景中，NER技术能支撑临床质控、结构化抽取与知识图谱构建，具有 ...

提示：spaCy 的 en_core_sci_sm 模型在 MIMIC-III 测试集上对“治疗关系”的 F1 仅 61.2%，因为它没在真实病历上预训练；而原始 BioBERT（base-cased）虽在 BC5CDR 数据集上达 72.4%，但它的 tokenizer 对中文病历支持极弱（BioBERT 是英文模型），且官方 checkpoint 不带 PyTorch 的 gradient ...