Pipeline e modelos do spaCy para processamento de textos científicos e biomédicos.
Processe documentos científicos com tokenizadores personalizados, marcação POS e modelos de NER.
O scispacy fornece pipelines e modelos personalizados do spaCy adaptados para documentos científicos e biomédicos. Inclui um tokenizador personalizado baseado em regras, etiquetador POS, analisador sintático e modelos de detecção de trechos de entidades.
A biblioteca oferece pipelines especializados como en_core_sci_sm, md, lg e scibert, juntamente com modelos de NER treinados em corpora como CRAFT, JNLPBA, BC5CDR e BIONLP13CG. Também fornece um AbbreviationDetector e um componente EntityLinker para vincular entidades a bases de conhecimento como UMLS, MeSH, RxNorm, GO e HPO.
É ideal para bioinformaticistas e engenheiros de NLP que trabalham com literatura biomédica e precisam de tokenização especializada e reconhecimento de entidades. Não é adequado para processamento de texto em inglês de uso geral fora de domínios científicos.
Inclui um tokenizador personalizado que adiciona regras de tokenização especificamente para documentos científicos.
Oferece modelos treinados em corpora especializados como CRAFT, JNLPBA, BC5CDR e BIONLP13CG.
Implementa o algoritmo Schwartz-Hearst para extrair abreviações e formas longas no texto.
Vincula entidades extraídas a ontologias como UMLS, MeSH, RxNorm, Gene Ontology e Human Phenotype Ontology.
A ferramenta é gratuita sob sua licença open-source. O único custo são os recursos computacionais necessários para executar os modelos por conta própria.
877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Você deve instalar a biblioteca principal via pip e, em seguida, baixar e instalar separadamente um pacote de modelo compatível a partir das URLs de lançamento fornecidas.
Sim, usando o componente EntityLinker, você pode vincular entidades a bases de conhecimento, incluindo UMLS, MeSH, RxNorm, GO e HPO.
Veja o Zekai primeiro no Google