当前BERT基础无上限临床NER预测临床实体(问题、测试、治疗(
我想在不同的临床数据集上进行训练，以获得类似(疾病、医学、问题(的实体
如何做到这一点？？
型号
Huggingface中有几个模型是在医学特定文章上训练的，它们肯定会比普通的bert-base-uncased表现得更好。BioELECTRA就是其中之一，它在几个基准测试中成功地超过了现有的生物医学NLP模型。
根据预训练数据集的不同，这些模型有3个不同的版本。但我认为这两个将是最好的开始。
Bioelectra碱基鉴别器发布：在pubmed上预训练
Bioelectra碱基鉴别器pubmed-pmc：在pubmed和pmc上预训练
NER数据集：
现在来到NER数据集，有几个数据集你可能喜欢，或者你可能想创建一个复合数据集。其中一些是-BC5-disease、NCBI-disease、BC5CDR-disease from BLUE benchmark
[如果您在创建模型或设置微调设置方面需要任何帮助，请告诉我。此外，请使用适当的指标对其进行评估，并在完成后共享指标仪表板。]