Sporot / TCM_word2vec
中医古籍语料
☆26Updated 4 years ago
Alternatives and similar repositories for TCM_word2vec:
Users that are interested in TCM_word2vec are comparing it to the libraries listed below
- Chinese Word2vec Medicine，中文医学词 向量☆164Updated 9 months ago
- 中医药的三元组分类☆23Updated 6 years ago
- 大创项目：中医药知识图谱构建☆101Updated 4 years ago
- 基于中医药知识图谱智能问答☆156Updated 4 years ago
- “万创杯”中医药天池大数据竞赛——中医文献问题生成挑战 决赛 第一名方案☆131Updated 4 years ago
- Using BERT+Bi-LSTM+CRF☆136Updated 2 years ago
- 中文生物医学自然语言处理（Chinese-BioNLP）☆159Updated 4 years ago
- 中医妇科自动组方☆41Updated 5 years ago
- CHIP 2020 中文医学文本实体关系抽取☆85Updated 2 years ago
- 这是2022年生医杯中文电子病历命名实体识别与关系抽取的项目☆24Updated 2 years ago
- CCKS2019医渡云4k电子病历数据集命名实体识别☆45Updated 2 years ago
- 本项目开源硕士毕业论文“BERT模型在中文临床自然语言处理中的 应用探索与研究”相关模型☆105Updated 3 years ago
- 中医药知识图谱探索demo：数据集、介绍文章、可视化结果☆81Updated 2 years ago
- 中文电子病历命名实体识别☆58Updated 4 years ago
- 基于中医药领域知识图谱的智能问答系统☆28Updated 2 years ago
- 中文医学知识图谱命名实体识别，包括bi-LSTM+CRF，transformer+CRF等模型☆237Updated 5 years ago
- ☆62Updated last year
- 基于医疗知识图谱的问答系统☆100Updated 3 years ago
- Chinese clinical named entity recognition using pre-trained BERT model☆122Updated 3 years ago
- 本项目是针对医疗数据，进行命名实体识别。项目中有600份标注好的电子病历文本，共需识别含解剖部位、独立症状、症状描述、手术和药物五类实体。该领域的命名实体识别问题是自然语言处理中经典的序列标注问题。☆147Updated 5 years ago
- CCKS举办的针对电子病例的信息抽取比赛，主要是进行医疗实体及事件抽取，本项目包括展示比赛的不断改进与多种方法的尝试，最终取得：valid第6名；test第9名。☆14Updated 3 years ago
- 毕业设计（医疗问答系统）☆23Updated 2 years ago
- CMeEE/CBLUE/NER实体识别☆125Updated 2 years ago
- NER and RE in medical insurance。用于医疗领域的知识图谱构建，通过DL中的相关算法，实现领域实体的命名实体识别和关系抽取。☆63Updated 5 years ago
- 基于BIO模式的序列标注工具-可用于命名实体识别、事件触发词识别等任务的数据标注☆71Updated 4 years ago
- Medical Named Entity Recognition implement using bi-directional lstm and crf model with char embedding.CCKS2017中文电子病例命名实体识别项目,主要实现使用了基于字…☆430Updated 2 years ago
- Reimplement CasRel model in PyTorch.使用PyTorch对吉林大学CasRel模型进行复现，并在百度关系抽取数据集上训练测试。☆190Updated 2 years ago
- 基于Pytorch的BERT-IDCNN-BILSTM-CRF中文实体识别实现☆88Updated 2 years ago
- 常见疾病相关信息构建knowledge graph☆133Updated 4 years ago
- 实体关系抽取，使用了百度比赛的数据集。使用pytorch实现MultiHeadJointEntityRelationExtraction，包含Bert、Albert、gru的使用，并且添加了对抗训练。最后使用Flask和Neo4j图数据库对模型进行了部署☆120Updated last year