Tareas
Una tarea es una actividad propuesta con la finalidad de resolver un problema concreto de PLN, generalmente en el marco de una competición. A continuación se muestra información sobre tareas de PLN en Español desde 2013 hasta la actualidad.
![reconocimiento de entidades nombradas](/sites/default/files/styles/max_325x325/public/2024-04/1_0.jpg?itok=04XC55I0)
MEDDOPLACE: Location Entity Recognition IberLEF 2023
- NLP topic: reconocimiento de entidades nombradas
- Dataset: MEDDOPLACE Corpus: Gold Standard annotations for Medical Documents Place-related Content Extraction
- Foro: IberLEF
- Competición: MEDDOPLACE: MEDical DOcument PLAce-related Content Extraction
- Dominio: Salud
- Idioma(s): Español
![reconocimiento de entidades nombradas](/sites/default/files/styles/max_325x325/public/2024-04/1_0.jpg?itok=04XC55I0)
Detection of disease mentions in tweets COLING 2022
- NLP topic: reconocimiento de entidades nombradas
- Dataset: SocialDisNER
- Foro: COLING
- Competición: Seventh Social Media Mining for Health Applications
- Dominio: Salud
- Idioma(s): Español
![text classification](/sites/default/files/styles/max_325x325/public/2023-06/32.jpg?itok=K8mic3j0)
Detection of lexical borrowings IberLEF 2021
- NLP topic: clasificación de textos
- Dataset: ADoBo
- Foro: IberLEF
- Competición: ADOBO: Detection of lexical borrowings
- Dominio:
- Idioma(s): Español
![reconocimiento de entidades nombradas](/sites/default/files/styles/max_325x325/public/2024-04/1_0.jpg?itok=04XC55I0)
Named entity recognition IberLEF 2021
- NLP topic: reconocimiento de entidades nombradas
- Dataset: MEDDOPROF
- Foro: IberLEF
- Competición: Recognition, classification and normalization of professions and occupations from medical texts
- Dominio: Salud
- Idioma(s): Español
![reconocimiento de entidades nombradas](/sites/default/files/styles/max_325x325/public/2024-04/1_0.jpg?itok=04XC55I0)
Entity recognition IberLEF 2021
- NLP topic: reconocimiento de entidades nombradas
- Dataset: eHealth-KD-ES
- Foro: IberLEF
- Competición: eHealth Knowledge Discovery
- Dominio: Salud
- Idioma(s): Español, Inglés
![processing events](/sites/default/files/styles/max_325x325/public/2023-09/10.jpg?itok=gS1-D-NK)
Event detection IberLEF 2020
- NLP topic: procesamiento de eventos
- Dataset: FACT
- Foro: IberLEF
- Competición: FACT 2020: Factuality Analysis and Classification Task
- Dominio:
- Idioma(s): Español
![reconocimiento de entidades nombradas](/sites/default/files/styles/max_325x325/public/2024-04/1_0.jpg?itok=04XC55I0)
Named entity recognition IberLEF 2020
- NLP topic: reconocimiento de entidades nombradas
- Dataset: CAPITEL-NER
- Foro: IberLEF
- Competición: Named entity recognition and Universal Dependency parsing
- Dominio:
- Idioma(s): Español
![reconocimiento de entidades nombradas](/sites/default/files/styles/max_325x325/public/2024-04/1_0.jpg?itok=04XC55I0)
Entity classification IberLEF 2019
- NLP topic: reconocimiento de entidades nombradas
- Dataset: MEDDOCAN
- Foro: IberLEF
- Competición: MEDDOCAN: Medical Document Anonymization Track
- Dominio: Salud
- Idioma(s): Español
![information extraction](/sites/default/files/styles/max_325x325/public/2023-09/25.jpg?itok=YvCBtH-U)
Sensitive span detection IberLEF 2019
- NLP topic: extracción de información
- Dataset: MEDDOCAN
- Foro: IberLEF
- Competición: MEDDOCAN: Medical Document Anonymization Track
- Dominio: Salud
- Idioma(s): Español
![processing negation](/sites/default/files/styles/max_325x325/public/2023-09/16.jpg?itok=mLVqmdU1)
Negation cue identification IberLEF 2019
- NLP topic: procesamiento de la negación
- Dataset: NEGES
- Foro: IberLEF
- Competición: NEGES 2019 Task: Negation in Spanish
- Dominio:
- Idioma(s): Español
![information extraction](/sites/default/files/styles/max_325x325/public/2023-09/25.jpg?itok=YvCBtH-U)
Entity recognition IberLEF 2019
- NLP topic: extracción de información
- Dataset: eHealth-KD 2019
- Foro: IberLEF
- Competición: eHealth-KD 2019: eHealth Knowledge Discovery
- Dominio:
- Idioma(s): Español
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.