数据集概述
该数据集为西班牙语与英语医疗健康领域的平行语料库资源，整合了西班牙、拉丁美洲等地的生物医学、临床文献及患者健康信息，支持医疗机器翻译、多语言术语提取及西班牙语医疗自然语言处理组件开发。
文件详解
该数据集包含多个文件，具体说明如下：
- 说明文档：
- MedlinePlus-health-topics_README：MedlinePlus健康主题元数据说明文档
- Scielo_README：SciELO语料库说明文档
- MedlinePlus-articles_README：MedlinePlus完整文章语料库说明文档
- 压缩文件：
- MedlinePlus-health_topics-dublin_core-Sp-En.tar.bz2：MedlinePlus健康主题都柏林核心格式元数据压缩包
- MedlinePlus-TEI-Sp-En.tar.bz2：MedlinePlus完整文章TEI格式压缩包
- Pubmed-dublin_core-Sp-En.tar.bz2：Pubmed都柏林核心格式元数据压缩包
- 主文件：
- MeSpEn_Parallel-Corpora.zip：MeSpEn平行语料库主压缩文件
数据来源
IBECS、SciELO、Pubmed、MedlinePlus
适用场景
- 医疗机器翻译：训练与评估西班牙语-英语医疗机器翻译系统
- 术语提取工具开发：构建多语言医疗术语自动提取工具
- 医疗自然语言处理：开发西班牙语医疗领域自然语言处理组件
- 双语术语库构建：通过自动术语检测与实体识别生成医疗双语术语表
- 医学文献分析：研究西班牙及拉丁美洲地区生物医学与临床文献特征
