ClinSpEn平行语料库_英语_西班牙语COVID_19临床病例_术语和本体概念数据集

数据集概述

该数据集为ClinSpEn平行语料库，包含英语-西班牙语COVID-19临床病例报告、临床术语及本体概念三类数据，由专业医学翻译人员翻译并经临床专家修订，适用于训练和评估临床机器翻译系统，还提供单语背景数据用于分析系统在未见过数据上的表现。

文件详解

• 文件名称: clinspen_corpora_complete.zip
• 文件格式: ZIP压缩包
• 包含内容分类：
• 临床病例子赛道：开发集（50个文档对）、测试集（152个文档对）的平行TXT文件（.en/.es后缀对应英西语），背景数据为含四列的TSV文件，另有文件名映射TSV文件
• 临床术语子赛道：开发集（7000条术语）、测试集（12128条术语）及背景数据（201890条术语）的TSV文件
• 本体概念子赛道：开发集（400个概念）、测试集（1789个概念）及背景数据（299408个概念）的TSV文件

适用场景

• 临床机器翻译研究：训练和评估英语-西班牙语临床领域机器翻译系统
• 医学术语资源建设：构建多语言临床术语库或本体映射资源
• 医疗自然语言处理：支持临床文本跨语言理解、信息抽取等任务的模型训练
• 生物医药翻译评测：作为标准化评测数据集，对比不同翻译模型在医疗领域的性能