数据集概述
该数据集为MEDDOPROF金标准语料库，包含一千八百四十四篇西班牙语临床案例，标注内容涉及职业、工作状态及活动等信息，采用brat标注工具格式存储，还包含职业提及与ESCO、SNOMED CT术语映射的TSV文件，支持职业健康领域的自然语言处理研究。
文件详解
该数据集包含多个目录和文件，具体说明如下：
- 目录文件：
- meddoprof-ner/：包含标注有PROFESION（职业）、SITUACION_LABORAL（工作状态）、ACTIVIDAD（活动）标签的临床案例文件，每个案例对应.txt文本文件和.ann标注文件
- meddoprof-class/：包含与meddoprof-ner相同的临床案例，但标注标签为PACIENTE（患者）、FAMILIAR（家属）、SANITARIO（卫生专业人员）、OTRO（其他），文件格式为.txt和.ann
- ner_class_joint/：包含整合了ner和class两层标注的临床案例文件，标注格式为“NER标签-分类标签”（如PROFESION-PACIENTE），文件格式为.txt和.ann
- 独立文件：
- meddoprof-norm.tsv：制表符分隔文件，包含语料库中每个提及与ESCO、SNOMED CT的映射关系，字段包括filename（文件名）、mention text（提及文本）、span（文本跨度）、ESCO code（ESCO编码）、SNOMED code（SNOMED编码）
适用场景
- 自然语言处理研究：用于西班牙语医疗文本中的职业实体识别、分类及标准化任务模型训练与评估
- 职业健康研究：分析医疗文档中职业、工作状态与健康状况的关联
- 医疗文本挖掘：探索职业信息在临床案例中的分布及应用价值
- 术语映射研究：开展职业提及与标准术语体系（ESCO、SNOMED CT）的映射方法研究
