用于生物医学命名实体识别 (NER) 的 Scispacy答案

【问题标题】：Scispacy for biomedical named entitiy recognition(NER)用于生物医学命名实体识别 (NER) 的 Scispacy
【发布时间】：2020-04-03 12:46:08
【问题描述】：

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基因/蛋白质等。那么我该如何使用scispacy 来做到这一点？还是scispacy 不能标记数据？附上图片供参考： jupyter notebook snippet

【问题讨论】：

标签： python nlp bioinformatics named-entity-recognition

【解决方案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见：-

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

更多信息

【讨论】：

【解决方案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)

【讨论】：