Datasets

A continuación se muestra información sobre conjuntos de datos textuales en español creados con el objetivo de resolver tareas de PLN. En este caso, se trata de colecciones de textos, generalmente enriquecidas con anotaciones.
Filtrar por
Año

  • MEDDOPLACE Corpus: Gold Standard annotations for Medical Documents Place-related Content Extraction

    Salud
    Español
    Publicado en 2023
    1,000
    Informes clínicos
    reconocimiento de entidades nombradas, enlace de entidades

  • ReCoRES

    Educación
    Español (Peru)
    Publicado en 2022
    1,822
    Exámenes de acceso a la universidad
    similitud textual

  • DisTEMIST

    Salud
    Español
    Publicado en 2022
    1,000
    Casos clínicos
    enlace de entidades, reconocimiento de entidades nombradas

  • MEDDOCAN

    Salud
    Español
    Publicado en 2019
    1,000
    Informes de casos clínicos
    reconocimiento de entidades nombradas, extracción de información

  • eHealth-KD 2019

    Español
    Publicado en 2019
    1,000
    Salud
    extracción de información

  • Hypernym corpora-ES

    Español
    Publicado en 2018
    2,000
    Palabras
    extracción de información

  • Word-similarity-2017-es

    Español
    Publicado en 2017
    500
    Pares de palabras
    similitud textual

  • STS 2017-es-en-WMT

    Español , Inglés
    Publicado en 2017
    1,250
    Pares de oraciones
    similitud textual

  • STS 2017-es-en

    Español , Inglés
    Publicado en 2017
    1,971
    Pares de oraciones
    similitud textual

  • STS-2015-es

    Español
    Publicado en 2015
    1,616
    Pares de oraciones
    similitud textual

  • STS-2014-ES

    Español
    Publicado en 2014
    Pares de oraciones
    similitud textual

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.