数据集:
bigbio/ggponc2
语言:
de计算机处理:
monolingualGGPONC项目旨在为自然语言处理研究人员提供一个免费分发的德语医学文本语料库。临床指南特别适合创建这样的语料库,因为它们不包含任何受保护的健康信息(PHI),这使它们与其他类型的医学文本有所区别。
第二版本的语料库(GGPONC 2.0)由30个德语肿瘤学指南组成,共有1.87百万个标记单元。在超过1200个工作小时的6个月时间内,由7名医学生使用INCEpTION平台进行了完全手动实体级别的注释。这使得GGPONC 2.0成为目前最大的已注释、可自由分发的德语医学文本语料库。
注释的实体包括发现(诊断/病理学、其他发现)、物质(临床药物、营养物质/体液、外部物质)和程序(治疗性、诊断性),以及这些实体的规格。总体而言,注释者创建了超过200,000个实体注释。此外,还注释了片段关系,以明确表示德语文本中常见的省略坐标名词短语。
@inproceedings{borchert-etal-2022-ggponc, title = "{GGPONC} 2.0 - The {G}erman Clinical Guideline Corpus for Oncology: Curation Workflow, Annotation Policy, Baseline {NER} Taggers", author = "Borchert, Florian and Lohr, Christina and Modersohn, Luise and Witt, Jonas and Langer, Thomas and Follmann, Markus and Gietzelt, Matthias and Arnrich, Bert and Hahn, Udo and Schapranow, Matthieu-P.", booktitle = "Proceedings of the Thirteenth Language Resources and Evaluation Conference", month = jun, year = "2022", address = "Marseille, France", publisher = "European Language Resources Association", url = "https://aclanthology.org/2022.lrec-1.389", pages = "3650--3660", }