Mindket

NER Biomedical PHI Ensemble

新上架第 1 版 · 更新于

概览

一个用于生物医学文本命名实体识别的 Streamlit 应用,通过集成配置组合三个指定的模型。适合想在浏览器里试用实体标注的人。

NER Biomedical PHI Ensemble 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
  • Streamlit,以及 requirements.txt 里的包
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/NER-Biomedical-PHI-Ensemble --repo-type space --local-dir NER-Biomedical-PHI-Ensemble
cd NER-Biomedical-PHI-Ensemble

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

NER Biomedical PHI Ensemble 是 Hugging Face Spaces 上的一个 Streamlit 应用,用于命名实体识别。标题指向生物医学文本和 PHI,即受保护的健康信息。它指定了三个模型:ajitrajasekharan/biomedical、flair/pos-english 和 google-bert/bert-base-cased,仓库里还有一个集成配置。

适合谁

它适合处理生物医学文本、想在浏览器里试用实体标注的人,也适合想读懂多个模型如何组合的开发者。

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
健康数据数据工程师阅读集成配置,看模型怎么组合下载这个 Space,打开 ensemble_config.json
教育讲师演示多个模型如何共同完成一个标注任务带学生看 app.py 和 common.py

如果你需要有文档说明的隐私保证或实测准确率,可以跳过它,因为来源没有给出。

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
标注生物医学文本中的实体研究者浏览器里显示的、文本中被标出的实体
学习集成方案的结构开发者一个仓库里的配置文件、实体类型列表和批处理脚本

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
  • Streamlit,以及 requirements.txt 里的包
  1. 安装 Hugging Face Hub 包。
  2. 把这个 Space 下载到名为 NER-Biomedical-PHI-Ensemble 的文件夹。
  3. 进入这个文件夹。
  4. 先安装 Streamlit,再安装 requirements.txt 里的包。
  5. 用 Streamlit 启动应用。
pip install -U huggingface_hub
hf download ajitrajasekharan/NER-Biomedical-PHI-Ensemble --repo-type space --local-dir NER-Biomedical-PHI-Ensemble
cd NER-Biomedical-PHI-Ensemble
pip install streamlit
pip install -r requirements.txt
streamlit run 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,看标注后的结果。本地副本则在文件夹里运行 streamlit run app.py,再打开它启动的页面。

示例

你把一句临床记录里的话粘贴到文本框。应用用它的模型处理这句话,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,程序在你的文本里标出事物的名称,比如药物或人名。

如果你懂这个领域,仓库里有集成配置、实体类型列表和批处理脚本,所以这些模型是组合使用,而不是单独使用。结果如何合并写在代码里,来源没有描述。

  1. 你在浏览器里输入生物医学文本
  2. app.py 运行配置里列出的模型
  3. 标注出的实体显示在页面上

注意事项

  • README 没有描述,所以具体输出要试过应用才清楚
  • 它指定了三个模型,需要 Streamlit 和 requirements.txt 里的包
  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 它指定的三个模型和它自己仓库里的文件

README 和文件

README

NER Biomedical PHI Ensemble

一个用于生物医学文本命名实体识别的 Streamlit 应用,通过集成配置组合三个指定的模型。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:NER Biomedical PHI Ensemble 是 Hugging Face Spaces 上的一个 Streamlit 应用,用于命名实体识别。标题指向生物医学文本和 PHI,即受保护的健康信息。它指定了三个模型:ajitrajasekharan/biomedical、flair/pos-english 和 google-bert/bert-base-cased,仓库里还有一个集成配置。

适合谁:它适合处理生物医学文本、想在浏览器里试用实体标注的人,也适合想读懂多个模型如何组合的开发者。

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
健康数据 | 数据工程师 | 阅读集成配置,看模型怎么组合 | 下载这个 Space,打开 ensemble_config.json
教育 | 讲师 | 演示多个模型如何共同完成一个标注任务 | 带学生看 app.py 和 common.py

如果你需要有文档说明的隐私保证或实测准确率,可以跳过它,因为来源没有给出。

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
标注生物医学文本中的实体 | 研究者 | 浏览器里显示的、文本中被标出的实体
学习集成方案的结构 | 开发者 | 一个仓库里的配置文件、实体类型列表和批处理脚本

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
  • Streamlit,以及 requirements.txt 里的包
  1. 安装 Hugging Face Hub 包。
  2. 把这个 Space 下载到名为 NER-Biomedical-PHI-Ensemble 的文件夹。
  3. 进入这个文件夹。
  4. 先安装 Streamlit,再安装 requirements.txt 里的包。
  5. 用 Streamlit 启动应用。
pip install -U huggingface_hub
hf download ajitrajasekharan/NER-Biomedical-PHI-Ensemble --repo-type space --local-dir NER-Biomedical-PHI-Ensemble
cd NER-Biomedical-PHI-Ensemble
pip install streamlit
pip install -r requirements.txt
streamlit run 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,看标注后的结果。本地副本则在文件夹里运行 streamlit run app.py,再打开它启动的页面。

示例:你把一句临床记录里的话粘贴到文本框。应用用它的模型处理这句话,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,程序在你的文本里标出事物的名称,比如药物或人名。

如果你懂这个领域,仓库里有集成配置、实体类型列表和批处理脚本,所以这些模型是组合使用,而不是单独使用。结果如何合并写在代码里,来源没有描述。

你在浏览器里输入生物医学文本
app.py 运行配置里列出的模型
标注出的实体显示在页面上

注意事项:

  • README 没有描述,所以具体输出要试过应用才清楚
  • 它指定了三个模型,需要 Streamlit 和 requirements.txt 里的包
  • License: mit
  • Cost to run: 未提及
  • Data it reaches: 它指定的三个模型和它自己仓库里的文件

Hugging Face 上的数据(2026年11月13日)

  • 点赞:2
  • 构建方式:streamlit
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/ajitrajasekharan/NER-Biomedical-PHI-Ensemble
  • 文件:https://huggingface.co/spaces/ajitrajasekharan/NER-Biomedical-PHI-Ensemble/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
NER Biomedical PHI Ensemble 本页2streamlitmit
TorchCAM 类激活图共有 streamlit16dockerapache-2.0
Anime Recommendation System共有 streamlit9streamlitapache-2.0
Image Text Detection共有 streamlit6streamlitmit
Spacy Ner共有 streamlit2streamlitcc-by-nc-sa-4.0
Harry Potter Q A共有 streamlit1streamlitafl-3.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

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

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

alpindale · 工具包

用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。

新上架

FLUX.2 Klein LoRA Studio

prithivMLmods · 工具包

在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。

新上架

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