معرفی شرکت ها


Trial2Vec-0.0.2


Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Pretrained BERT models for encoding clinical trial documents to compact embeddings.
ویژگی مقدار
سیستم عامل OS Independent
نام فایل Trial2Vec-0.0.2
نام Trial2Vec
نسخه کتابخانه 0.0.2
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Zifeng Wang
ایمیل نویسنده zifengw2@illinois.edu
آدرس صفحه اصلی https://github.com/RyanWangZf/Trial2Vec
آدرس اینترنتی https://pypi.org/project/Trial2Vec/
مجوز -
# Trial2Vec Wang, Zifeng and Sun, Jimeng. (2022). Trial2Vec: Zero-Shot Clinical Trial Document Similarity Search using Self-Supervision. Findings of EMNLP'22. # Usage Get pretrained Trial2Vec model in three lines: ```python from trial2vec import Trial2Vec model = Trial2Vec() model.from_pretrained() ``` # How to install Install the correct `PyTorch` version by referring to https://pytorch.org/get-started/locally/. Then install `Trial2Vec` by ```bash pip install git+https://github.com/RyanWangZf/Trial2Vec.git ``` or ```bash pip install trial2vec ``` # Search similar trials Use `Trial2Vec` to search similar clinical trials: ```python # load demo data from trial2vec import load_demo_data data = load_demo_data() # contains trial documents test_data = {'x': data['x']} # make prediction pred = model.predict(test_data) ``` # Encode trials Use `Trial2Vec` to encode clinical trial documents: ```python test_data = {'x': df} # contains trial documents emb = model.encode(test_data) # make inference # or just find the pre-encoded trial documents emb = [model[nct_id] for test_data['x']['nct_id']] ```


نیازمندی

مقدار نام
- datasets
- joblib
- nltk
- numpy
- pandas
- textaugment
- tqdm
- transformers
- wget
- openpyxl


نحوه نصب


نصب پکیج whl Trial2Vec-0.0.2:

    pip install Trial2Vec-0.0.2.whl


نصب پکیج tar.gz Trial2Vec-0.0.2:

    pip install Trial2Vec-0.0.2.tar.gz