快速精准的生物医学命名实体识别框架

原创

用户11764306

发布于 2025-10-23 11:15:43

2370

KAZU - 生物医学自然语言处理框架

注意：最近的2.0版本在使用自定义模型包和策展时存在较大的向后不兼容性。

欢迎使用KAZU（韩国阿斯利康大学），这是一个与韩国大学合作构建的Python生物医学自然语言处理框架，旨在处理生产工作负载。

该库旨在简化在生产系统中使用最先进的自然语言处理研究的过程。其中包含的研究部分是我们自己的，但大部分来自社区，我们对此深表感激。

如果您想使用KAZU，请引用我们在EMNLP 2022上发表的论文！

快速开始

安装

需要Python 3.9或更高版本（已在Python 3.11上测试）。

可以选择以下方式之一：

pip install kazu

或者从发布页面下载wheel文件并在本地安装。

如果您打算在自己的代码库中使用Mypy，请考虑使用以下方式安装KAZU：

pip install kazu[typed]

这将引入kazu依赖项的类型存根，以便mypy在类型检查您的代码库时能够访问尽可能多的相关类型信息。

获取模型包

对于大多数功能，您还需要KAZU模型包。这与每个版本相关联，可以在发布页面上找到。下载后，解压存档并设置环境变量：

export KAZU_MODEL_PACK=<path to the extracted archive>

KAZU是高度可配置的（使用Hydra），尽管它预装了适用于大多数文献处理用例的默认配置。

要利用这些配置并处理简单文档：

import hydra
from hydra.utils import instantiate
from kazu.data import Document
from kazu.pipeline import Pipeline
from kazu.utils.constants import HYDRA_VERSION_BASE
from pathlib import Path
import os

# Hydra配置保存在模型包中
cdir = Path(os.environ["KAZU_MODEL_PACK"]).joinpath("conf")

@hydra.main(
    version_base=HYDRA_VERSION_BASE, config_path=str(cdir), config_name="config"
)
def kazu_test(cfg):
    pipeline: Pipeline = instantiate(cfg.Pipeline)
    text = "EGFR mutations are often implicated in lung cancer"
    doc = Document.create_simple_document(text)
    pipeline([doc])
    print(f"{doc.get_entities()}")

if __name__ == "__main__":
    kazu_test()