MCSCSet

我们介绍了MCSCSet，这是一个大型的专家注释数据集，专门用于医学领域的中文拼写校正 (MCSC)。与现有的开放域CSC数据集相比，MCSCSet涉及: i) 从腾讯一点收集的大量真实医学查询，ii) 由医学专家手动注释的相应拼写错误的句子。我们的资源进一步提供了医学领域的混淆集，其中包括医学中常见的易出错字符及其相应的拼写错误。

搜集汇总

背景与挑战

背景概述

MCSCSet是一个专门用于医学领域中文拼写校正的大型数据集，包含真实医学查询和专家手动注释的拼写错误句子，并提供了医学混淆集。该数据集由多个研究机构于2022年发布，适用于文本预训练任务。