Description
This pretrained pipeline is built on the top of ner_deid_generic model.
How to use
from sparknlp.pretrained import PretrainedPipeline
pipeline = PretrainedPipeline("ner_deid_generic_pipeline", "de", "clinical/models")
text = '''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.'''
result = pipeline.fullAnnotate(text)
import com.johnsnowlabs.nlp.pretrained.PretrainedPipeline
val pipeline = new PretrainedPipeline("ner_deid_generic_pipeline", "de", "clinical/models")
val text = "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 result = pipeline.fullAnnotate(text)
import nlu
nlu.load("de.med_ner.deid_generic.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
| | ner_chunks | begin | end | ner_label | confidence |
|---:|:--------------------------|--------:|------:|:------------|-------------:|
| 0 | Michael Berger | 0 | 13 | NAME | 0.99555 |
| 1 | 12 Dezember 2018 | 34 | 49 | DATE | 0.999967 |
| 2 | St. Elisabeth-Krankenhaus | 55 | 79 | LOCATION | 0.797267 |
| 3 | Bad Kissingen | 84 | 96 | LOCATION | 0.90785 |
| 4 | Berger | 117 | 122 | NAME | 0.935 |
| 5 | 76 | 128 | 129 | AGE | 1 |
Model Information
| Model Name: | ner_deid_generic_pipeline |
| Type: | pipeline |
| Compatibility: | Healthcare NLP 4.3.0+ |
| License: | Licensed |
| Edition: | Official |
| Language: | de |
| Size: | 1.3 GB |
Included Models
- DocumentAssembler
- SentenceDetectorDLModel
- TokenizerModel
- WordEmbeddingsModel
- MedicalNerModel
- NerConverterInternalModel