DrBenchmark/QUAERO

QUAERO法语医学语料库最初是作为命名实体识别和标准化的资源开发的，随后被改进为创建法语生物医学文本的标准化实体黄金标准集，用于CLEF eHealth评估实验室。该数据集包括从MEDLINE标题和EMEA文档中手动注释的数据，注释过程基于统一医学语言系统（UMLS）的概念。数据集包含训练、开发和测试数据，分别以BioC格式发布。

原始信息汇总

数据集概述

基本信息

• 名称: QUAERO
• 语言: 法语（fr）
• 许可证: 其他
• 多语言性: 单语
• 任务类别: 词元分类
• 标签: 医学
• 数据集大小: 1K<n<10K

数据集描述

• 主页: https://quaerofrenchmed.limsi.fr/
• 是否公开: 是
• 任务: 命名实体识别（NER）

数据集内容

• 原始用途: 用于命名实体识别和规范化。
• 改进目的: 创建法语生物医学文本的黄金标准规范化实体集，用于CLEF eHealth评估实验室。
• 注释指南: 基于统一医学语言系统（UMLS）的概念进行手动注释，包括10种类型的临床实体。
• 注释细节:
  • 嵌套实体被标记。
  • 一个提及可以映射到多个UMLS概念。
  • 实体重叠时仍需注释。

数据集版本

• 训练数据:
  • MEDLINE_train_bioc文件: 833 MEDLINE标题，BioC格式注释。
  • EMEA_train_bioc文件: 3 EMEA文档，分割成11个子文档，BioC格式注释。
• 开发数据:
  • MEDLINE_dev_bioc文件: 832 MEDLINE标题，BioC格式注释。
  • EMEA_dev_bioc文件: 3 EMEA文档，分割成12个子文档，BioC格式注释。
• 测试数据:
  • MEDLINE_test_bioc文件夹: 833 MEDLINE标题，BioC格式注释。
  • EMEA_test_bioc文件夹: 4 EMEA文档，分割成15个子文档，BioC格式注释。

数据格式

• 格式: BioC格式，通过Brat2BioC工具从原始BRAT格式自动转换。

联系方式

• 问题咨询: [e-mail]