README.md

metadata

title: PollenNER
emoji: 💊
colorFrom: indigo
colorTo: gray
sdk: gradio
sdk_version: 5.30.0
app_file: app.py
pinned: false
license: apache-2.0
short_description: Определение именованных сущностей в тексте

PollenNER - Анализ медицинских текстов

PollenNER - это система для извлечения именованных сущностей и отношений из медицинских текстов, связанных с аллергией и пыльцой. Система использует современные методы глубокого обучения для распознавания:

• Топонимов (места)
• Лекарств
• Симптомов
• Аллергенов
• Частей тела
• Отношений между ними (например, "глаза has_symptom слезятся")

Развертывание на HuggingFace Spaces

1. Создайте новый Space на HuggingFace:

   • Перейдите на HuggingFace Spaces
   • Нажмите "Create new Space"
   • Выберите "Gradio" как SDK
   • Укажите имя для вашего Space (например, "pollen-ner")
   • Выберите "Public" для видимости

2. Загрузите файлы в Space:

   • app.py - основной файл с Gradio интерфейсом
   • requirements.txt - файл с зависимостями
   • README.md - документация проекта

3. Убедитесь, что ваши модели загружены на HuggingFace Hub:

   • NER модель: pollen-ner-1500
   • RE модель: pollen-re-model

4. Настройте переменные окружения в Space:

   • Перейдите в Settings -> Repository Secrets
   • Добавьте необходимые токены (если требуется)

Использование

1. Введите текст в текстовое поле
2. Нажмите "Submit" или Enter
3. Получите результаты анализа:
   • Список найденных сущностей по категориям
   • Отношения между сущностями

Примеры

Входной текст:
"В Московской области у меня началась аллергия на пыльцу березы, потекли глаза, нос, принимаю Зиртек и Назонекс."

Результаты:
Найденные сущности:
TOPONYM:
- Московской области

ALLERGEN:
- пыльцу березы

SYMPTOM:
- потекли глаза
- потекли нос

MEDICINE:
- Зиртек
- Назонекс

Найденные отношения:
- глаза has_symptom потекли
- нос has_symptom течет

Технические детали

• Модель NER основана на ruBERT с адаптером LoRA
• Модель RE использует классификацию отношений
• Интерфейс построен с использованием Gradio
• Поддерживается обработка длинных текстов с разбиением на предложения

Требования

• Python 3.8+
• PyTorch 2.0+
• Transformers 4.51.3+
• Gradio 4.0+
• PEFT 0.7.0+

Лицензия

apache-2.0 License