La tarea tiene como objetivo encontrar menciones exactas de ocupaciones en casos clínicos e informes de pacientes individuales publicados en revistas médicas, y etiquetarlas según el tipo de ocupación: profesión, estado laboral o actividad.
Publicación
Salvador Lima-López, Eulàlia Farré-Maduell, Antonio Miranda-Escalada, Vicent Brivá-Iglesias, Martin Krallinger (2021) NLP applied to occupational health: MEDDOPROF shared task at IberLEF 2021 on automatic recognition, classification and normalization of professions and occupations from medical texts. Procesamiento del Lenguaje Natural, Revista nº 67, septiembre de 2021, pp. 243-256
Idioma
Español
NLP topic
Tarea abstracta
Dataset
Año
2021
Enlace publicación
Métrica Ranking
F1
Mejores resultados para la tarea
| Sistema | Precisión | Recall | F1 Ordenar ascendente | CEM | Accuracy | MacroPrecision | MacroRecall | MacroF1 | RMSE | MicroPrecision | MicroRecall | MicroF1 | MAE | MAP | UAS | LAS | MLAS | BLEX | Pearson correlation | Spearman correlation | MeasureC | BERTScore | EMR | Exact Match | F0.5 | Hierarchical F | ICM | MeasureC | Propensity F | Reliability | Sensitivity | Sentiment Graph F1 | WAC | b2 | erde30 | sent | weighted f1 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| NLNDE | 0.8550 | 0.7830 | 0.8180 | ||||||||||||||||||||||||||||||||||
| MUCIC | 0.8130 | 0.7880 | 0.8000 | ||||||||||||||||||||||||||||||||||
| SMR-NLP | 0.8540 | 0.7510 | 0.7990 | ||||||||||||||||||||||||||||||||||
| SINAI | 0.8210 | 0.7400 | 0.7780 | ||||||||||||||||||||||||||||||||||
| Vicomtech NLP-team | 0.7580 | 0.7390 | 0.7480 |
