MCSCSet

displayName: MCSCSet
labelTypes:
- Chinese Corpus
license:
- CC BY-NC 2.0
mediaTypes:
- Text
paperUrl: https://arxiv.org//pdf/2210.11720.pdf
publishDate: "2022"
publishUrl: https://github.com/yzhihao/mcscset
publisher:
- Mila – Quebec Artifcial Intelligence Institute
- Tsinghua Shenzhen International Graduate School
- Tencent Jarvis Lab
- Sun Yat-Sen University
tags:
- Chinese spelling correction
taskTypes: []

---
# 数据集介绍
## 简介
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。

## Download dataset
:modelscope-code[]{type="git"}

显示名称：MCSCSet
labelTypes：
- 中文语料库（Chinese Corpus）
license：
- 知识共享署名-非商业性使用2.0（CC BY-NC 2.0）
mediaTypes：
- 文本（Text）
paperUrl：https://arxiv.org//pdf/2210.11720.pdf
publishDate：2022年
publishUrl：https://github.com/yzhihao/mcscset
publisher：
- 魁北克人工智能研究所（Mila – Quebec Artificial Intelligence Institute）
- 清华大学深圳国际研究生院
- 腾讯Jarvis实验室
- 中山大学
tags：
- 中文拼写校正（Chinese spelling correction）
taskTypes：无

---

# 数据集介绍
## 简介
我们推出MCSCSet这一面向医学领域的大规模专家标注数据集，专用于医学中文拼写校正（MCSC）。相较于现有开放域中文拼写校正（CSC）数据集，MCSCSet包含两大核心组成部分：其一，样本源自腾讯一点平台收集的海量真实医学查询语句；其二，所有存在拼写错误的对应语句均经医学专家手动标注修正。此外，本数据集还配套提供医学领域字符混淆集，涵盖医学场景下常见的易出错字符及其典型拼写错误形式。

## 数据集下载
:modelscope-code[]{type="git"}