• 1
• 2
• 5

ooco/CCKScner

CCKS2019 面向中文电子病历的命名实体识别

• 1
• 0
• 0

ooco/ccks-2019-ee

• 1
• 1
• 1

ooco/Clinical-NER

面向中文电子病历的命名实体识别

• 1
• 0
• 0

ooco/CCKS2019_subtask2

• 1
• 1
• 1

ooco/MedicalNamedEntityRecognition

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向量的四层双向LSTM与CRF模型的网络.该项目提供了原始训练数据样本(一般醒目,出院情况,病史情况,病史特点,诊疗经过)与转换版本,训练脚本,预训练模型,可用于序列标注研究.把玩和PK使用.

• 1
• 0
• 0

ooco/CCKS2019-trial

IN CCKS2019 relation extraction

• 1
• 1
• 0

ooco/bert-sklearn

a sklearn wrapper for Google's BERT model

• 1
• 3
• 1

ooco/CCKS2019-Chinese-Clinical-NER

The word2vec-BiLSTM-CRF model for CCKS-2019 task on Chinese clinical named entity recognition.

• 1
• 1
• 0

ooco/Chinese-clinical-NER

CCKS2019中文命名实体识别任务。从医疗文本中识别疾病和诊断、解剖部位、影像检查、实验室检验、手术和药物6种命名实体。现已实现基于jieba和AC自动机的baseline构建、基于BiLSTM和CRF的序列标住模型构建。bert的部分代码主要源于https://github.com/charles9n/bert-sklearn.git 感谢作者。 模型最终测试集得分0.81，还有较大改进空间。可以当做一个baseline。