Mindket

BiomedicalNERModel

新上架第 1 版 · 更新于

概览

一个用于识别生物医学文本中命名实体的 Gradio 演示,基于 ajitrajasekharan/biomedical 模型。适合想在浏览器里试用实体标注的人。

BiomedicalNERModel 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • Gradio,这是这些步骤唯一安装的包
用在
  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
先运行
pip install -U huggingface_hub
hf download ajitrajasekharan/Bio-medical-NER-Model-Gradio-Demo --repo-type space --local-dir Bio-medical-NER-Model-Gradio-Demo
cd Bio-medical-NER-Model-Gradio-Demo

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

BiomedicalNERModel 是 Hugging Face Spaces 上的一个 Gradio 演示,用于识别生物医学文本中的命名实体。它指定了 ajitrajasekharan/biomedical 模型。仓库很小,只有 README 和 app.py,README 只有一个设置指引。

适合谁

它适合处理生物医学文本、想在浏览器里看实体标注的人,也适合想看模型如何放在 Gradio 页面后面的学习者。

IndustryWho uses itHow they use itExample
医疗研究文本挖掘研究者在生物医学句子上试用实体标注打开 Space,输入一句话
生命科学数据科学家阅读 app.py,看模型怎么被调用下载这个 Space,打开 app.py
教育讲师在专业领域文本上演示命名实体识别在课堂上运行这个演示

如果你需要生产级流程、实体类型清单或实测准确率,可以跳过它,因为来源没有给出这些。

用在哪里

  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
Use caseWhoWhat they get back
标注句子里的实体研究者浏览器里显示的、文本中被标出的实体
学习模型演示学习者一个调用指定模型的应用文件

如何设置

在线使用什么都不用装。本地副本需要先准备这些。

  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • Gradio,这是这些步骤唯一安装的包
  1. 安装 Hugging Face Hub 包。
  2. 把这个 Space 下载到名为 Bio-medical-NER-Model-Gradio-Demo 的文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio。
  5. 启动应用。
pip install -U huggingface_hub
hf download ajitrajasekharan/Bio-medical-NER-Model-Gradio-Demo --repo-type space --local-dir Bio-medical-NER-Model-Gradio-Demo
cd Bio-medical-NER-Model-Gradio-Demo
pip install gradio
python app.py

如何使用

打开 Hugging Face 上的 Space 页面,输入一些生物医学文本,看返回的结果。本地副本则在文件夹里运行 python app.py,再打开它启动的页面。

示例

你在文本框里粘贴一句关于药物和疾病的话。应用把它交给生物医学模型,并显示在句子里找到的实体。

新手与专家

如果你是新手,打开 Space 页面,先试一句短话。命名实体识别的意思是,模型会在你的文本里标出事物的名称,比如药物或疾病。

如果你懂这个领域,来源只提到一个模型 ajitrajasekharan/biomedical,仓库里也没有依赖文件。这些步骤只安装 Gradio,所以你的电脑上可能还需要额外的包。

  1. 你在浏览器里输入生物医学文本
  2. app.py 把它发给指定的模型
  3. 标注出的实体显示在页面上

注意事项

  • README 没有描述,所以页面返回什么要试过才清楚
  • 仓库里没有依赖文件,所以 app.py 导入的包可能要你自己安装
  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 它指定的 ajitrajasekharan/biomedical 模型

README 和文件

README

BiomedicalNERModel

一个用于识别生物医学文本中命名实体的 Gradio 演示,基于 ajitrajasekharan/biomedical 模型。适合想在浏览器里试用实体标注的人。

由 ajitrajasekharan 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:BiomedicalNERModel 是 Hugging Face Spaces 上的一个 Gradio 演示,用于识别生物医学文本中的命名实体。它指定了 ajitrajasekharan/biomedical 模型。仓库很小,只有 README 和 app.py,README 只有一个设置指引。

适合谁:它适合处理生物医学文本、想在浏览器里看实体标注的人,也适合想看模型如何放在 Gradio 页面后面的学习者。

Industry | Who uses it | How they use it | Example
医疗研究 | 文本挖掘研究者 | 在生物医学句子上试用实体标注 | 打开 Space,输入一句话
生命科学 | 数据科学家 | 阅读 app.py,看模型怎么被调用 | 下载这个 Space,打开 app.py
教育 | 讲师 | 在专业领域文本上演示命名实体识别 | 在课堂上运行这个演示

如果你需要生产级流程、实体类型清单或实测准确率,可以跳过它,因为来源没有给出这些。

用在哪里:

  • 网页浏览器,直接在 Hugging Face 的 Space 页面上使用
  • 在装有 Python 的 Windows、macOS 或 Linux 上运行本地副本
Use case | Who | What they get back
标注句子里的实体 | 研究者 | 浏览器里显示的、文本中被标出的实体
学习模型演示 | 学习者 | 一个调用指定模型的应用文件

如何设置:在线使用什么都不用装。本地副本需要先准备这些。

  • Python 和 pip
  • huggingface_hub 包,用来获取文件
  • Gradio,这是这些步骤唯一安装的包
  1. 安装 Hugging Face Hub 包。
  2. 把这个 Space 下载到名为 Bio-medical-NER-Model-Gradio-Demo 的文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio。
  5. 启动应用。
pip install -U huggingface_hub
hf download ajitrajasekharan/Bio-medical-NER-Model-Gradio-Demo --repo-type space --local-dir Bio-medical-NER-Model-Gradio-Demo
cd Bio-medical-NER-Model-Gradio-Demo
pip install gradio
python app.py

如何使用:打开 Hugging Face 上的 Space 页面,输入一些生物医学文本,看返回的结果。本地副本则在文件夹里运行 python app.py,再打开它启动的页面。

示例:你在文本框里粘贴一句关于药物和疾病的话。应用把它交给生物医学模型,并显示在句子里找到的实体。

新手与专家:如果你是新手,打开 Space 页面,先试一句短话。命名实体识别的意思是,模型会在你的文本里标出事物的名称,比如药物或疾病。

如果你懂这个领域,来源只提到一个模型 ajitrajasekharan/biomedical,仓库里也没有依赖文件。这些步骤只安装 Gradio,所以你的电脑上可能还需要额外的包。

你在浏览器里输入生物医学文本
app.py 把它发给指定的模型
标注出的实体显示在页面上

注意事项:

  • README 没有描述,所以页面返回什么要试过才清楚
  • 仓库里没有依赖文件,所以 app.py 导入的包可能要你自己安装
  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 它指定的 ajitrajasekharan/biomedical 模型

Hugging Face 上的数据(2026年11月13日)

  • 点赞:5
  • 构建方式:gradio
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/ajitrajasekharan/Bio-medical-NER-Model-Gradio-Demo
  • 文件:https://huggingface.co/spaces/ajitrajasekharan/Bio-medical-NER-Model-Gradio-Demo/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
BiomedicalNERModel 本页5gradiomit
FLUX.1 [dev]共有 gradio9,583gradiomit
InstantID共有 gradio3,659gradioapache-2.0
Chat With Janus-Pro-7B共有 gradio2,036gradiomit
PhotoMaker共有 gradio1,960gradioapache-2.0
Z Image Turbo共有 gradio1,940gradioapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

开发类的相似商品

查看开发类的全部商品

Claude Code Skills & Plugins

alirezarezvani · 技能

为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。

新上架29.8k

buzz

block · 工具包

可自行托管的工作空间,人和 AI 智能体在同样的房间里协作,基于 Nostr 中继,把每个动作记录为签名事件。适合想自己运行中继的团队。

新上架37.3k

plannotator

backnotprop · 工具包

把你的 AI 编程智能体的计划、规格和代码改动在浏览器里打开,让你加批注或评论,并把反馈直接发回给智能体。

新上架10.5k