Tareas
Una tarea es una actividad propuesta con la finalidad de resolver un problema concreto de PLN, generalmente en el marco de una competición. A continuación se muestra información sobre tareas de PLN en Español desde 2013 hasta la actualidad.
Universal dependency parsing IberLEF 2020
- NLP topic: análisis sintáctico
- Dataset: CAPITEL-UD
- Foro: IberLEF
- Competición: Named entity recognition and Universal Dependency parsing
- Dominio:
- Idioma(s): Español
Clinical concept normalization IberLEF 2020
- NLP topic: reconocimiento de entidades nombradas
- Dataset: CANTEMIST
- Foro: IberLEF
- Competición: CANcer TExt Mining Shared Task – tumor named entity recognition
- Dominio: Salud
- Idioma(s): Español
Explainable AI CLEF 2020
- NLP topic: PLN biomédico
- Dataset: CodiEsp
- Foro: CLEF
- Competición: CodiEsp: Clinical Case Coding in Spanish Shared Task (eHealth CLEF 2020)
- Dominio:
- Idioma(s): Español
Code mixed sentiment analysis SEMEVAL 2020
- NLP topic: análisis de sentimiento
- Dataset: SentiMix-Spanglish
- Foro: SEMEVAL
- Competición: Sentiment Analysis of Code-Mixed Tweets
- Dominio:
- Idioma(s): Español, Inglés
Fake news detection IberLEF 2020
- NLP topic: detección de noticias falsas
- Dataset: Spanish Fake News Corpus
- Foro: IberLEF
- Competición: MEX-A3T
- Dominio: Diversos
- Idioma(s): Español (Mexico)
Factuality classification IberLEF 2020
- NLP topic: procesamiento de factualidad
- Dataset: FACT
- Foro: IberLEF
- Competición: FACT 2020: Factuality Analysis and Classification Task
- Dominio:
- Idioma(s): Español
Clinical code assignment IberLEF 2020
- NLP topic: reconocimiento de entidades nombradas
- Dataset: CANTEMIST
- Foro: IberLEF
- Competición: CANcer TExt Mining Shared Task – tumor named entity recognition
- Dominio: Salud
- Idioma(s): Español
Profiling fake news spreaders CLEF 2020
- NLP topic: detección de noticias falsas
- Dataset: PAN-AP-2020-ES
- Foro: CLEF
- Competición: 8th Author Profiling Task at PAN 2020: Profiling Fake News Spreaders on Twitter
- Dominio:
- Idioma(s): Español, Inglés
Diagnosis coding CLEF 2020
- NLP topic: PLN biomédico
- Dataset: CodiEsp
- Foro: CLEF
- Competición: CodiEsp: Clinical Case Coding in Spanish Shared Task (eHealth CLEF 2020)
- Dominio:
- Idioma(s): Español
Polarity classification IberLEF 2020
- NLP topic: análisis de sentimiento
- Dataset: InterTASS 2020
- Foro: IberLEF
- Competición: Semantic Analysis at SEPLN (TASS)
- Dominio:
- Idioma(s): Español (Costa Rica), Español (Mexico), Español (Peru), Español (Spain), Español (Uruguay)
Event detection IberLEF 2020
- NLP topic: procesamiento de eventos
- Dataset: FACT
- Foro: IberLEF
- Competición: FACT 2020: Factuality Analysis and Classification Task
- Dominio:
- Idioma(s): Español
Named entity recognition IberLEF 2020
- NLP topic: reconocimiento de entidades nombradas
- Dataset: CAPITEL-NER
- Foro: IberLEF
- Competición: Named entity recognition and Universal Dependency parsing
- Dominio:
- Idioma(s): Español
Named entity recognition IberLEF 2020
- NLP topic: reconocimiento de entidades nombradas
- Dataset: CANTEMIST
- Foro: IberLEF
- Competición: CANcer TExt Mining Shared Task – tumor named entity recognition
- Dominio: Salud
- Idioma(s): Español
Complex word identification IberLEF 2020
- NLP topic: morfología
- Dataset: VYTEDU-CW
- Foro: IberLEF
- Competición: Análisis Léxico en SEPLN 2020
- Dominio: Educación
- Idioma(s): Español
Procedure Coding CLEF 2020
- NLP topic: PLN biomédico
- Dataset: CodiEsp
- Foro: CLEF
- Competición: CodiEsp: Clinical Case Coding in Spanish Shared Task (eHealth CLEF 2020)
- Dominio:
- Idioma(s): Español
Emotion detection IberLEF 2020
- NLP topic: análisis de sentimiento
- Dataset: EmoEVENT
- Foro: IberLEF
- Competición: Semantic Analysis at SEPLN (TASS)
- Dominio:
- Idioma(s): Español
Aggresive language detection IberLEF 2020
- NLP topic: detección de odio
- Dataset: Mexican Aggressiveness Corpus
- Foro: IberLEF
- Competición: MEX-A3T
- Dominio:
- Idioma(s): Español (Mexico)
Si has publicado un resultado mejor que los de la lista, envía un mensaje a odesia-comunicacion@lsi.uned.es indicando el resultado y el DOI del artículo, junto con una copia del mismo si no está publicado en abierto.
