lightshifted/clinical_phrase_eval_dataset_v2

该数据集包含医疗文档的文本提取信息，特征包括文档名称、清理后的提取文本、原始提取文本、ICD代码、CPT代码和清理后的ICD提取文本。数据集仅包含训练集，共有135个示例，数据大小为512098字节。

This dataset contains text extraction information from medical documents, with features including document name, cleaned extracted text, raw extracted text, ICD code, CPT code, and cleaned ICD extracted text. The dataset includes only a training set with 135 examples, and the data size is 512098 bytes.

原始信息汇总

数据集概述

数据集特征

• doc_name: 文档名称，数据类型为字符串。
• extracted_text_clean: 提取的清洁文本，数据类型为字符串。
• extracted_text_raw: 提取的原始文本，数据类型为字符串。
• icd_code: ICD代码，数据类型为字符串。
• cpt_code: CPT代码，数据类型为字符串。
• icd_extracted_text_clean: 提取的清洁ICD文本，数据类型为字符串。

数据集分割

• train: 训练集，包含135个样本，总大小为512098字节。

数据集大小

• 下载大小: 257215字节
• 数据集总大小: 512098字节

配置

• default: 默认配置，包含训练集数据文件，路径为data/train-*。