chemTag - Extraction d’entités nommées en chimie
Ce web service détecte, dans un texte en anglais, les entités nommées en chimie.
Les entités nommées sont toutes renvoyées dans un champ « chemical ».
Le modèle utilisé par ce web service, « bio-ner », est disponible à ce lien huggingface.
Aucun fine-tuning n’a été opéré : nous mettons simplement le modèle à disposition via un web service.
Le code git pour fine-tuner le modèle est disponible à ce lien.
Le modèle possède une f-mesure de 0.92 ± 0.02.
Précaution : Le web service fonctionne uniquement sur du texte anglais.
Le corpus BC4CHEMD (BioCreative IV Chemical and Drug) ayant servi à l’entraînement de ce modèle est disponible à l’adresse suivante :
https://www.ortolang.fr/market/corpora/dataset-chemical-extract
- Article explicitant la méthodologie pour obtenir le modèle bio-ner : Alonso Casero, Álvaro (2021). Named entity recognition and normalization in biomedical literature: a practical case in SARS-CoV-2 literature. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM)
- Le modèle bio-ner est obtenu après fine-tuning du modèle bioBERT : Data and text mining. BioBERT: a pre-trained biomedical language representation model for biomedical text mining
Utilisation dans TDM Factory
Ce web service se lance sur :
- un corpus Istex en anglais au format targz
- un document en anglais au format PDF texte (le format PDF image ne fonctionne pas)
Utilisation dans Lodex
Sélectionnez le web service dans le catalogue :
Enrichissement : le web service traite chaque document l’un après l’autre. Exemple pour l’extraction de termes à partir du résumé. On parlera de web service synchrone.
Saisir cette URL https://chem-ner.services.istex.fr/v1/chem/tagger et sélectionner la colonne dédiée au texte en anglais.
Sauvegarder et lancer le traitement
Pour récupérer la valeur souhaitée : GET et le nom du champ dont vous voulez extraire la donnée : chemical
Single atoms of elements are not molecules. A single oxygen, O, is not a molecule. When oxygen bonds to itself (e.g., O3) or to another element (e.g., carbon dioxide or CO2), molecules are formed==>chemical: oxygen, O, O3, carbon dioxide, CO2
| This is three chemical named entities: methanol, 2-propanol, or CO2. | ==> | chemical: methanol, 2-propanol, CO2 |
Vous avez un corpus et vous souhaitez en connaître le contenu ?
En lançant chemTag sur vos données depuis Lodex, logiciel libre de visualisation, vous obtiendrez la liste de termes chimiques et des représentations graphiques liées.
Graphe réalisé à partir des données du corpus Istex « Biodiversité ». Sont affichées les valeurs supérieures à 10.
Profitez en pour naviguer dans l’ensemble du corpus
et découvrez d’autres corpus scientifiques
