Esta tarea se centra en la detección de texto sensible; en particular, el objetivo es identificar y enmascarar datos confidenciales, independientemente del tipo real de entidad o de la identificación correcta del tipo de información de salud protegida (PHI, por sus siglas en inglés).
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.
Competición
Idioma
Español
NLP topic
Tarea abstracta
Dataset
Año
2019
Enlace publicación
Métrica Ranking
Micro F
Mejores resultados para la tarea
| Sistema | MicroPrecision | MicroRecall | MicroF1 Ordenar ascendente |
|---|---|---|---|
| lukas.lange-1 | 0.9751 | 0.9747 | 0.9749 |
| lukas.lange-2 | 0.9757 | 0.9733 | 0.9745 |
| lukas.lange-3 | 0.9754 | 0.9735 | 0.9745 |
| lukas.lange-4 | 0.9752 | 0.9733 | 0.9743 |
| lukas.lange-5 | 0.9722 | 0.9687 | 0.9705 |
