用于生物医学命名实体识别（NER）的 Scispacy

Question

如何使用 scispacy 标记实体？

当我尝试使用 scispacy 执行 NER 时，它通过将它们标记为 Entity 来识别生物医学实体，但未能将它们标记为 gene/protein，等等。那么如何我使用 scispacy 来做到这一点？还是 scispacy 无法标记数据？附上图片供参考： jupyter notebook snippet

Answer 1

模型 en_core_sci_sm、en_core_sci_md 和 en_core_sci_lg 没有命名它们的实体。如果您想要标记实体，请使用模型

en_ner_craft_md
en_ner_jnlpba_md
en_ner_bc5cdr_md
en_ner_bionlp13cg_md

每个都有自己的实体类型，请参阅：-

https://allenai.github.io/scispacy/

了解更多信息

Answer 2

您可以通过'GENE_OR_GENE_PRODUCT'过滤标签以获取所有基因名称。

import spacy
import scispacy
import en_ner_bionlp13cg_md

document = "We aimed to prospectively compare the risk of early progression according to circulating ESR1 mutations, CA-15.3, and circulating cell-free DNA in MBC patients treated with a first-line aromatase inhibitor (AI)"

nlp = spacy.load("en_ner_bionlp13cg_md")
for X in nlp(document).ents:
    if X.label_=='GENE_OR_GENE_PRODUCT':
        print(X.text)

用于生物医学命名实体识别（NER）的 Scispacy

Scispacy for biomedical named entitiy recognition(NER)

python

nlp

bioinformatics

named-entity-recognition