Entity classification

Esta tarea se centra en el reconocimiento de entidades nombradas (NER) y la clasificación de estas entidades según sus tipos. En particular, se enfoca en la identificación y clasificación de información sensible (por ejemplo, nombres de pacientes, números de teléfono, direcciones, etc.) en documentos médicos.

La guía de anotación de MEDDOCAN define un total de 29 tipos de entidades, que están disponibles en: http://ceur-ws.org/Vol-2421/MEDDOCAN_overview.pdf

Publicación
Montserrat Marimon, Aitor Gonzalez-Agirre, Ander Intxaurrondo, Heidy Rodríguez, Jose Lopez Martin, Marta Villegas, Martin Krallinger (2019) “Automatic De-identification of Medical Texts in Spanish: the MEDDOCAN Track, Corpus, Guidelines, Methods and Evaluation of Results.” In: IberLEF@ SEPLN. 2019, pp. 618–638.
Idioma
Español
Tarea abstracta
Dataset
Año
2019
Métrica Ranking
F1

Mejores resultados para la tarea

Sistema MicroPrecision MicroRecall MicroF1
lukas.lange-1 0.9698 0.9694 0.9696
lukas.lange-2 0.9708 0.9684 0.9696
lukas.lange-3 0.9704 0.9686 0.9695
lukas.lange-4 0.9696 0.9677 0.9686
lukas.lange-5 0.9672 0.9638 0.9655

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.