数据集概述
该数据集是针对西班牙语文档中症状、体征和检查结果进行信息抽取的标注资源，包含任务训练测试集、SNOMED术语词表、九种语言的银标准数据及一万五千余例临床病例背景集，为医学文本挖掘研究提供标准化标注数据。
文件详解
- 文件名称: symptemist-complete_240208.zip
- 文件格式: ZIP压缩包
- 包含内容:
- 三个子任务的训练集与测试集
- 基于SNOMED的症状、体征和检查结果术语词表
- 九种语言（英语、葡萄牙语、法语、意大利语、罗马尼亚语、加泰罗尼亚语、瑞典语、荷兰语、捷克语）的银标准数据
- 一万五千余例临床病例背景集
- 西班牙语文本背景集的银标准预测数据（由参与者提供）
数据来源
巴塞罗那超级计算中心生物医学信息分析自然语言处理团队
适用场景
- 医学文本挖掘研究: 用于开发和评估西班牙语临床文本中症状、体征和检查结果的检测与标准化系统
- 多语言医学信息抽取: 支持九种语言的银标准数据可用于跨语言模型训练与迁移学习
- 术语标准化研究: 基于SNOMED术语词表的标注可用于医学术语映射与归一化算法开发
- 临床NLP基准测试: 作为BioCreative VIII挑战赛的官方数据集，可用于系统性能对比与评估
