KI-Tools, bewertet für deinen Beruf
Bezahlte KI-Jobs
🤝 Du bist in der Frei-&-Open-Source-Bibliothek — von der Community entwickelte Tools, die du kostenlos nutzen kannst. Ein anderes Konzept als unser bewertetes KI-Verzeichnis.
Start › Frei & Open Source › Biotech › scispacy
✦ Frei & Open SourceBiotech

scispacy

SpaCy-Pipeline und Modelle zur Verarbeitung wissenschaftlicher und biomedizinischer Texte.

scispacy für biomedizinisches NLP

Verarbeiten Sie wissenschaftliche Dokumente mit benutzerdefinierten Tokenizern, POS-Tagging und NER-Modellen.

Für immer kostenlos · Open Source · Apache-2.0
✓ Light setup✓ Im Browser✓ Echtzeit-Zusammenarbeit
6.3
ZEKAI
Unverzichtbar für biomedizinisches NLP
Frei & Open Source · Biotech
Einfache Einrichtung4
Nützlichkeit9
Wartung5.5
Community6.5
★ 1,997
GITHUB
Dec 2025
AKTUALISIERT
Apache-2.0
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

scispacy bietet benutzerdefinierte spaCy-Pipelines und Modelle, die auf wissenschaftliche und biomedizinische Dokumente zugeschnitten sind. Es enthält einen benutzerdefinierten regelbasierten Tokenizer, POS-Tagger, syntaktischen Parser und Entity-Span-Erkennungsmodelle.

Läuft auf
Cross-platform
Hosting
Self-host
Sprachen
Python
Lizenz
Apache-2.0

Was es ist

Die Bibliothek bietet spezialisierte Pipelines wie en_core_sci_sm, md, lg und scibert sowie NER-Modelle, die auf Korpora wie CRAFT, JNLPBA, BC5CDR und BIONLP13CG trainiert wurden. Sie stellt zudem eine AbbreviationDetector- und eine EntityLinker-Komponente zur Verfügung, um Entitäten mit Wissensdatenbanken wie UMLS, MeSH, RxNorm, GO und HPO zu verknüpfen.

Für wen

Es eignet sich für Bioinformatiker und NLP-Ingenieure, die mit biomedizinischer Fachliteratur arbeiten und eine spezialisierte Tokenisierung und Entitätenerkennung benötigen. Es eignet sich nicht für die allgemeine englische Textverarbeitung außerhalb wissenschaftlicher Domänen.

Wichtige Funktionen

Biomedizinischer Tokenizer

Enthält einen benutzerdefinierten Tokenizer, der Tokenisierungsregeln speziell für wissenschaftliche Dokumente hinzufügt.

Vortrainierte NER-Modelle

Bietet Modelle, die auf spezialisierten Korpora wie CRAFT, JNLPBA, BC5CDR und BIONLP13CG trainiert wurden.

Abkürzungserkennung

Implementiert den Schwartz-Hearst-Algorithmus zum Extrahieren von Abkürzungen und Langformen im Text.

Verknüpfung mit Wissensdatenbanken

Verknüpft extrahierte Entitäten mit Ontologien wie UMLS, MeSH, RxNorm, Gene Ontology und Human Phenotype Ontology.

Erste Schritte

Startklar in 3 Schritten

1
Erstellen und aktivieren Sie eine isolierte Python-Umgebung mit Mamba oder virtualenv.
2
Installieren Sie die Kernbibliothek mit pip install scispacy.
3
Laden Sie Ihr ausgewähltes Modellpaket herunter und installieren Sie es über dessen spezifische URL oder den pip-Befehl.
Klartext

Unser ehrliches Fazit

Stärken

  • Bietet Modelle, die auf etablierten biomedizinischen Korpora wie BC5CDR und CRAFT trainiert wurden.
  • Beinhaltet integrierte Unterstützung für das Entity Linking zu großen biomedizinischen Wissensdatenbanken wie UMLS und RxNorm.
  • Verfügt über eine spezialisierte AbbreviationDetector-Komponente für biomedizinische Texte.
  • Bietet Transformer-basierte Pipelines, die SciBERT nutzen.

Schwächen

  • Erfordert die manuelle Installation sowohl der Bibliothek als auch separat großer Modellpakete.
  • Ein Upgrade der Bibliothek erfordert das erneute Herunterladen kompatibler Modellversionen.
  • Transformer-Modelle wie scibert erfordern möglicherweise eine GPU für eine praktische Leistung.
Kosten

Preise & Lizenz

Das Tool kann im Rahmen seiner open source Lizenz kostenlos genutzt werden. Die einzigen Kosten sind die Rechenressourcen, die erforderlich sind, um die Modelle selbst auszuführen.

Bezahlte Arbeit

Stellen für Deutschsprachige

877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.

Alle offenen Stellen ansehen →
Vergleich

Alternativen

Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: scispacy für Biotech
Ein verständlicher Leitfaden für dein erstes Ergebnis. Direkt in dein Postfach.
🔔 64 Personen wünschen sich ein komplettes Video-Tutorial — stimme ab
🛠 Keine Lust auf eigene Einrichtung?
Wir installieren, hosten & konfigurieren scispacy für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Wie installiere ich scispacy?

Sie müssen die Kernbibliothek über pip installieren und dann separat ein kompatibles Modellpaket von den bereitgestellten Release-URLs herunterladen und installieren.

Kann ich Entitäten mit externen Datenbanken verknüpfen?

Ja, mit der EntityLinker-Komponente können Sie Entitäten mit Wissensdatenbanken wie UMLS, MeSH, RxNorm, GO und HPO verknüpfen.

Radar

Neueste KI-News

✉️ Das wöchentliche kostenlose Toolkit
Die besten neuen freien & Open-Source-Tools für Biotech — eine kurze E-Mail pro Woche, in deiner Sprache.
Kostenlos · 1 E-Mail/Woche · jederzeit abbestellbar
Mit KI-Training Geld verdienen →

Zekai zuerst in Google sehen