Relation extraction

Esta tarea tiene como objetivo detectar entidades y relaciones semánticas entre ellas en documentos de e-Salud.

Incluye 4 tipos de entidades (concepto, acción, predicado y referencia) y las siguientes relaciones:

  • Relaciones generales (6): relaciones de propósito general entre dos conceptos que tienen un significado específico: es-un, igual-a, tiene-propiedad, parte-de, causa y conlleva.
  • Relaciones contextuales (3): permiten que un concepto se refine al adjuntarle modificadores: en-tiempo, en-lugar y en-contexto.
  • Roles de acción (2): indican qué conceptos desempeñan un papel relacionado con una Acción, que pueden ser sujeto y objetivo.
  • Roles de predicado (2): indican qué conceptos desempeñan un papel en relación con un Predicado, que pueden ser el dominio y argumentos adicionales
Publicación
Alejandro Piad-Morffis, Yoan Gutiérrez, Juan Pablo Consuegra-Ayala, Suilan Estevez-Velarde, Yudivián Almeida-Cruz, Rafael Muñoz, Andrés Montoyo (2019) Overview of the eHealth Knowledge Discovery Challenge at IberLEF 2019. Proceedings of the Iberian Languages Evaluation Forum (IberLEF 2019)
Idioma
Español
Tarea abstracta
Dataset
Año
2019
Métrica Ranking
F1

Mejores resultados para la tarea

Sistema F1
coin_flipper 0.4930
TALP-UPC 0.6260
VSP 0.4930
UH-MIXAMedaja-KD 0.4350
NLP_UNED 0.5330

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.