数据集概述
该数据集是Cantemist共享任务语料库，包含训练集、开发集、测试集及背景集，涵盖cantemist-ner、cantemist-norm、cantemist-coding三个子任务的金标准标注数据，背景集为无标注文档，用于西班牙语癌症文本挖掘研究。
文件详解
数据集包含一个压缩文件，具体说明如下：
- 文件名称: cantemist.zip
- 文件格式: ZIP压缩包 (.zip)
- 内容构成:
- 共享任务数据集: 分为train、dev1、dev2、test四个子集，包含三个子任务的金标准标注
- 子任务文件:
- cantemist-ner与cantemist-norm: 标注采用Brat格式
- cantemist-coding: 标注采用TSV格式，包含filename（文件名）、code（编码）两列
- 背景集: 无标注的文档集合
适用场景
- 生物医学文本挖掘: 用于西班牙语癌症临床文本的命名实体识别研究
- 医学术语标准化: 支持肿瘤相关概念的归一化与编码映射分析
- 临床编码自动化: 辅助开发基于文本的CIE-O 3肿瘤编码自动生成系统
- 多任务学习: 为命名实体识别、概念归一化、临床编码联合任务提供训练数据
