Description
This model is a GBERT-large based sequence classification model that can classify public health mentions in German social media text.
Predicted Entities
non-health, health-related
How to use
document_assembler = DocumentAssembler() \
.setInputCol("text") \
.setOutputCol("document")
tokenizer = Tokenizer() \
.setInputCols(["document"]) \
.setOutputCol("token")
sequenceClassifier = MedicalBertForSequenceClassification.pretrained("bert_sequence_classifier_health_mentions_gbert_large", "de", "clinical/models")\
.setInputCols(["document","token"])\
.setOutputCol("class")
pipeline = Pipeline(stages=[
document_assembler,
tokenizer,
sequenceClassifier
])
data = spark.createDataFrame([
["Durch jahrelanges Rauchen habe ich meine Lunge einfach zu sehr geschädigt - Punkt."],
["die Schatzsuche war das Highlight beim Kindergeburtstag, die kids haben noch lange davon gesprochen"]
]).toDF("text")
result = pipeline.fit(data).transform(data)
val documenter = new DocumentAssembler()
.setInputCol("text")
.setOutputCol("document")
val tokenizer = new Tokenizer()
.setInputCols(Array("document"))
.setOutputCol("token")
val sequenceClassifier = MedicalBertForSequenceClassification.pretrained("bert_sequence_classifier_health_mentions_gbert_large", "de", "clinical/models")
.setInputCols(Array("document","token"))
.setOutputCol("class")
val pipeline = new Pipeline().setStages(Array(documenter, tokenizer, sequenceClassifier))
val data = Seq(Array("Durch jahrelanges Rauchen habe ich meine Lunge einfach zu sehr geschädigt - Punkt.",
"Das Gefühl kenne ich auch denke, dass es vorallem mit der Sorge um das Durchfallen zusammenhängt.")).toDS().toDF("text")
val result = pipeline.fit(data).transform(data)
import nlu
nlu.load("de.classify.bert_sequence.health_mentions_gbert_large").predict("""die Schatzsuche war das Highlight beim Kindergeburtstag, die kids haben noch lange davon gesprochen""")
Results
+---------------------------------------------------------------------------------------------------+----------------+
|text |result |
+---------------------------------------------------------------------------------------------------+----------------+
|Durch jahrelanges Rauchen habe ich meine Lunge einfach zu sehr geschädigt - Punkt. |[health-related]|
|die Schatzsuche war das Highlight beim Kindergeburtstag, die kids haben noch lange davon gesprochen|[non-health] |
+---------------------------------------------------------------------------------------------------+----------------+
Model Information
| Model Name: | bert_sequence_classifier_health_mentions_gbert_large |
| Compatibility: | Healthcare NLP 4.0.2+ |
| License: | Licensed |
| Edition: | Official |
| Input Labels: | [document, token] |
| Output Labels: | [class] |
| Language: | de |
| Size: | 1.3 GB |
| Case sensitive: | true |
| Max sentence length: | 128 |
References
Curated from several academic and in-house datasets.
Benchmarking
label precision recall f1-score support
non-health 0.99 0.99 0.99 82
health-related 0.99 0.99 0.99 69
accuracy - - 0.99 151
macro-avg 0.99 0.99 0.99 151
weighted-avg 0.99 0.99 0.99 151