SPACCC西班牙语医学命名实体识别数据集
西班牙临床病例语料库中医学实体识别数据集，包含16,504个句子，注释标准化为SNOMED CT，用于NER和标准化任务。
基本信息
模态
文本
创建/更新时间
2024-05-14
资源简介
基于西班牙临床病例语料库（SPACCC）的合并数据集，包含四个注释数据集，共16,504个句子，来自1,000个临床病例。主要目标是识别临床叙述中的医学实体，包括症状、医疗程序、疾病、蛋白质和化学物质，注释已标准化为SNOMED CT。数据集分为训练集和测试集，用于医学实体识别和标准化任务的模型训练与评估。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("IEETA/SPACCC-Spanish-NER")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/IEETA/SPACCC-Spanish-NER
仓库文件结构
.gitattributesREADME.md
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 其他 的高质量、多模态真实临床数据定制解决方案。
