CMeEE|医疗实体识别数据集|自然语言处理数据集

CMeEE数据集主要用于医疗实体识别任务。此次任务共标注了938份档案、47,194句，包括504儿科常见病、7,085身体部位、12,907临床表现、4,354医疗程序等9类医疗实体。医学文本的命名实体分为九类，包括: 疾病 (dis)，临床表现 (sym)，药物 (dru)，医疗设备 (equ)，医疗程序 (pro)，身体 (bod)，医学检查项目 (ite)，微生物学 (mic)，部门 (部门)。标签之前，文章会自动分段，并且所有医疗实体都已正确分段。训练、验证和测试集分别是15,000、5,000和3,000条目。数据集来自CHIP2020学术评比大赛，由 “北京大学” 、 “郑州大学” 、 “鹏城实验室” 联合提供。