数据集概述
该数据集为MESINESP2任务生成的人工标注语料库，包含科学文献、临床试验、专利摘要三类西班牙语生物医学文档，由领域专家使用DeCS受控词汇标注，旨在推动非英语生物医学内容语义索引工具的开发。
文件详解
- 子任务语料压缩包：
- Subtrack1-Scientific_Literature.zip：科学文献语料，含训练集（articles/full两种）、开发集、测试集JSON文件
- Subtrack2-Clinical_Trials.zip：临床试验语料，含训练集、开发集、测试集JSON文件
- Subtrack3-Patents.zip：专利语料，含开发集、测试集JSON文件
- 银标准文件：
- Silver_Standard_Mesinesp2.zip：含参与者预测结果的联合与单独匿名文件，覆盖多类型文档
- 术语文件：
- DeCS2020.tsv：DeCS术语表，含编码、首选描述符、同义词（管道分隔）
- DeCS2020.obo：DeCS层级关系OBO文件，含额外COVID-19描述符
- 补充数据：
- Additional data.zip：含各子集的实体标注JSON文件，提取药物、疾病等实体
适用场景
- 生物医学语义索引模型开发：训练西班牙语生物医学文档自动标注DeCS术语的工具
- 受控词汇应用研究：探索DeCS在多类型生物医学文本（文献/临床试验/专利）中的标注效果
- 跨语言医学信息检索：构建西班牙语生物医学资源的语义检索系统
- 自然语言处理任务：用于西班牙语生物医学实体识别、文本分类等NLP任务的训练与评估
