瑞典医疗命名实体识别数据集简介

瑞典医疗命名实体识别数据集（swedish_medical_ner）是一个针对瑞典医学文本的命名实体识别数据集。它由三个子集组成，分别从三个不同的来源获取：瑞典维基百科（wiki）、Läkartidningen（lt）和1177 Vårdguiden（1177）。瑞典维基百科和Läkartidningen子集的总共包含超过790,000个长度为60个字符的序列，而1177 Vårdguiden子集是手动标注的，包含927个句子，2740个标注，其中1574个是疾病和发现，546个是药物，620个是人体结构。

来自瑞典维基百科和Läkartidningen的文本使用医学种子词列表进行自动标注。1177 Vårdguiden的句子是手动标注的。

引用信息

@inproceedings{almgren-etal-2016-named,
    author = {
        Almgren, Simon and
        Pavlov, Sean and
        Mogren, Olof
    },
    title     = {Named Entity Recognition in Swedish Medical Journals with Deep Bidirectional Character-Based LSTMs},
    booktitle = {Proceedings of the Fifth Workshop on Building and Evaluating Resources for Biomedical Text Mining (BioTxtM 2016)},
    publisher = {The COLING 2016 Organizing Committee},
    pages     = {30-39},
    year      = {2016},
    month     = {12},
    url       = {https://aclanthology.org/W16-5104},
    eprint    = {https://aclanthology.org/W16-5104.pdf}
}