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。

The QUAERO French Medical Corpus was initially developed as a resource for named entity recognition and normalization, and was later refined to create a standardized gold standard set of entities for French biomedical texts tailored for the CLEF eHealth Evaluation Lab. This corpus contains manually annotated data sourced from MEDLINE titles and EMEA documents, with the annotation process grounded in the concepts of the Unified Medical Language System (UMLS). The dataset includes training, development, and test splits, all released in BioC format.

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]