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"}

搜集汇总

背景与挑战

背景概述

MCSCSet是一个专为医学领域中文拼写纠错设计的大规模数据集，包含来自腾讯医典的真实医疗查询和医学专家标注的拼写错误。该数据集还提供了医学领域的常见易错字符混淆集，以支持相关研究。