bigbio/n2c2_2006_deid

n2c2 2006 De-identification数据集来源于Partners Healthcare，仅包含医疗出院摘要。数据通过自动系统和手动验证两阶段进行标注，所有真实的个人健康信息（PHI）被替换为现实的替代品。数据集的任务是命名实体识别（NER）。数据集不公开，且未在PubMed中发布。

原始信息汇总

数据集概述

基本信息

• 名称: n2c2 2006 De-identification
• 语言: 英语
• 许可: DUA
• 多语言性: 单语种

详细描述

• 主页: https://portal.dbmi.hms.harvard.edu/projects/n2c2-nlp/
• 是否公开: 否
• 是否可在PubMed上获取: 否
• 任务: 命名实体识别（NER）

数据来源与处理

• 数据来源于Partners Healthcare，仅包含医疗出院总结。
• 数据通过标注和替换所有真实的个人健康信息（PHI）为现实的替代品进行准备。
• 数据标注过程分为两个阶段：首先使用自动系统进行标记，随后由三名标注者手动验证并讨论标记结果，最终确定PHI标签。

数据结构

• 原始数据集不包含每个实体的跨度，跨度在加载器中计算，最终与标签对应的文本以源格式保存。