SpaCy-Pipeline und Modelle zur Verarbeitung wissenschaftlicher und biomedizinischer Texte.
Verarbeiten Sie wissenschaftliche Dokumente mit benutzerdefinierten Tokenizern, POS-Tagging und NER-Modellen.
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.
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.
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.
Enthält einen benutzerdefinierten Tokenizer, der Tokenisierungsregeln speziell für wissenschaftliche Dokumente hinzufügt.
Bietet Modelle, die auf spezialisierten Korpora wie CRAFT, JNLPBA, BC5CDR und BIONLP13CG trainiert wurden.
Implementiert den Schwartz-Hearst-Algorithmus zum Extrahieren von Abkürzungen und Langformen im Text.
Verknüpft extrahierte Entitäten mit Ontologien wie UMLS, MeSH, RxNorm, Gene Ontology und Human Phenotype Ontology.
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.
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.
Sie müssen die Kernbibliothek über pip installieren und dann separat ein kompatibles Modellpaket von den bereitgestellten Release-URLs herunterladen und installieren.
Ja, mit der EntityLinker-Komponente können Sie Entitäten mit Wissensdatenbanken wie UMLS, MeSH, RxNorm, GO und HPO verknüpfen.
Zekai zuerst in Google sehen