Update README.md

README.md

@@ -1,50 +1,52 @@
----
-license: apache-2.0
-tags:
-  - ner
-  - medical
-  - chinese
-  - pytorch
-  - crf
-language: zh
-model-index:
-  - name: MedBERT-BiLSTM-CRF (中文医疗实体识别模型)
-    results: []
----
-
-# 中文医疗实体识别模型：MedBERT-BiLSTM-CRF
-
-本模型基于 [trueto/medbert-base-chinese](https://huggingface.co/trueto/medbert-base-chinese) 预训练模型，结合 BiLSTM 和 CRF 构建而成，用于中文医疗命名实体识别（NER）任务。
-
-## 🧠 模型结构
-
-- 编码器：MedBERT
-- 上下文建模：BiLSTM（双向 LSTM）
-- 序列解码：CRF（条件随机场）
-- 标签体系：BIO（13类）
-
-支持的实体类别包括：
-- Anatomical（解剖结构）
-- Diseases（疾病）
-- Drug（药品）
-- Image（影像检查）
-- Laboratory（实验室指标）
-- Operation（手术操作）
-
-## 📦 使用说明（PyTorch）
-
-由于本模型为自定义结构（非 transformers 原生模型），请使用本项目中的结构类 `BertCRF` 进行加载：
-
-```python
-from bert_crf_model import BertCRF
-import torch
-
-device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
-
-model = BertCRF(
-    bert_model_name="trueto/medbert-base-chinese",
-    num_labels=13
-)
-model.load_state_dict(torch.load("pytorch_model.bin", map_location=device))
-model.to(device)
-model.eval()
+---
+license: apache-2.0
+tags:
+  - ner
+  - medical
+  - chinese
+  - pytorch
+  - crf
+language: zh
+pretrained_model: trueto/medbert-base-chinese
+use_bilstm: true
+use_attention: false
+model-index:
+  - name: MedBERT-BiLSTM-CRF (中文医疗实体识别模型)
+    results: []
+---
+# 中文医疗实体识别模型：MedBERT-BiLSTM-CRF
+
+本模型基于 [trueto/medbert-base-chinese](https://huggingface.co/trueto/medbert-base-chinese) 预训练模型，结合 BiLSTM 和 CRF 构建而成，用于中文医疗命名实体识别（NER）任务。
+
+## 🧠 模型结构
+
+- 编码器：MedBERT
+- 上下文建模：BiLSTM（双向 LSTM）
+- 序列解码：CRF（条件随机场）
+- 标签体系：BIO（13类）
+
+支持的实体类别包括：
+- Anatomical（解剖结构）
+- Diseases（疾病）
+- Drug（药品）
+- Image（影像检查）
+- Laboratory（实验室指标）
+- Operation（手术操作）
+
+## 📦 使用说明（PyTorch）
+
+由于本模型为自定义结构（非 transformers 原生模型），请使用本项目中的结构类 `BertCRF` 进行加载：
+
+```python
+from bert_crf_model import BertCRF
+import torch
+
+device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+
+model = BertCRF(
+    bert_model_name="trueto/medbert-base-chinese",
+    num_labels=13
+)
+model.load_state_dict(torch.load("pytorch_model.bin", map_location=device))
+model.to(device)
+model.eval()