GuiGel/meddocan

MEDDOCAN数据集是一个个人上传的SPACC_MEDDOCAN语料库，使用了自定义的spaCy管道进行分词。该数据集支持命名实体识别任务，语言为西班牙语。数据集包含10312个训练样本、5268个验证样本和5155个测试样本。

原始信息汇总

数据集概述

数据集名称

• 名称: MEDDOCAN
• 别名: meddocan

数据集属性

• 语言: 西班牙语 (es)
• 多语言性: 单语种
• 许可证: CC-BY-4.0
• 大小: 10K<n<100K
• 来源: 原始数据
• 标签: 临床, 受保护的健康信息, 健康记录
• 任务类别: 词元分类
• 任务ID: 命名实体识别

数据集结构

• 数据字段: 所有分割中的数据字段相同
• 数据分割:

  名称	训练	验证	测试
  meddocan	10312	5268	5155

数据集创建

• 注释创建者: 专家生成
• 语言创建者: 专家生成

使用考虑

• 许可证信息:
  • 本作品根据Creative Commons Attribution 4.0 International License授权。
  • 允许分享和改编，即使是商业用途，但需适当署名并提供许可证链接。

引用信息

@inproceedings{Marimon2019AutomaticDO, title={Automatic De-identification of Medical Texts in Spanish: the MEDDOCAN Track, Corpus, Guidelines, Methods and Evaluation of Results}, author={Montserrat Marimon and Aitor Gonzalez-Agirre and Ander Intxaurrondo and Heidy Rodriguez and Jose Lopez Martin and Marta Villegas and Martin Krallinger}, booktitle={IberLEF@SEPLN}, year={2019} }

贡献者

• 感谢 @GuiGel 添加此数据集。