Description
This pretrained pipeline is built on the top of ner_deid_subentity model.
Live Demo Open in Colab Copy S3 URI
How to use
from sparknlp.pretrained import PretrainedPipeline
pipeline = PretrainedPipeline("ner_deid_subentity_pipeline", "de", "clinical/models")
pipeline.annotate("Michael Berger wird am Morgen des 12 Dezember 2018 ins St. Elisabeth-Krankenhaus in Bad Kissingen eingeliefert. Herr Berger ist 76 Jahre alt und hat zu viel Wasser in den Beinen.")
val pipeline = new PretrainedPipeline("ner_deid_subentity_pipeline", "de", "clinical/models")
pipeline.annotate("Michael Berger wird am Morgen des 12 Dezember 2018 ins St. Elisabeth-Krankenhaus in Bad Kissingen eingeliefert. Herr Berger ist 76 Jahre alt und hat zu viel Wasser in den Beinen.")
import nlu
nlu.load("de.deid.ner_subentity.pipeline").predict("""Michael Berger wird am Morgen des 12 Dezember 2018 ins St. Elisabeth-Krankenhaus in Bad Kissingen eingeliefert. Herr Berger ist 76 Jahre alt und hat zu viel Wasser in den Beinen.""")
Results
+-------------------------+-------------------------+
|chunk |ner_deid_subentity_chunk |
+-------------------------+-------------------------+
|Michael Berger |PATIENT |
|12 Dezember 2018 |DATE |
|St. Elisabeth-Krankenhaus|HOSPITAL |
|Bad Kissingen |CITY |
|Berger |PATIENT |
|76 |AGE |
+-------------------------+-------------------------+
Model Information
| Model Name: | ner_deid_subentity_pipeline |
| Type: | pipeline |
| Compatibility: | Healthcare NLP 3.4.1+ |
| License: | Licensed |
| Edition: | Official |
| Language: | de |
| Size: | 1.3 GB |
Included Models
- DocumentAssembler
- SentenceDetectorDLModel
- TokenizerModel
- WordEmbeddingsModel
- MedicalNerModel
- NerConverter