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.
- NLP topic: extracción de relaciones
- Dataset: European Clinical Case Corpus (Spanish part)
- Foro: IberLEF
- Competición: TESTLINK: Multilingual relation extraction of clinical measurements in clinical narratives
- Dominio: Salud
- Idioma(s): Español
- NLP topic: clasificación de textos
- Dataset: ClinAIS 2023
- Foro: IberLEF
- Competición: ClinAIS: Automatic identification of sections in clinical documents
- Dominio: Salud
- Idioma(s): Español
- NLP topic: clasificación de textos
- Dataset: SMM4H-tweets-es-2022
- Foro: COLING
- Competición: Seventh Social Media Mining for Health Applications
- Dominio: Salud
- Idioma(s): Español
Clinical impact detection IberLEF 2022
- NLP topic: clasificación de textos
- Dataset: LivingNER
- Foro: IberLEF
- Competición: LivingNER: Named-Entity Recognition and entity linking for living being mentions
- Dominio: Salud
- Idioma(s): Español
Occupation and occupation holder detection IberLEF 2021
- NLP topic: clasificación de textos
- Dataset: MEDDOPROF
- Foro: IberLEF
- Competición: Recognition, classification and normalization of professions and occupations from medical texts
- Dominio: Salud
- Idioma(s): Español
Named entity normalization IberLEF 2021
- NLP topic: clasificación de textos
- Dataset: MEDDOPROF
- Foro: IberLEF
- Competición: Recognition, classification and normalization of professions and occupations from medical texts
- Dominio: Salud
- Idioma(s): Español
Relation extraction IberLEF 2021
- NLP topic: extracción de relaciones
- Dataset: eHealth-KD-ES
- Foro: IberLEF
- Competición: eHealth Knowledge Discovery
- Dominio: Salud
- Idioma(s): Español, Inglés
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
Universal dependency parsing IberLEF 2020
- NLP topic: análisis sintáctico
- Dataset: CAPITEL-UD
- Foro: IberLEF
- Competición: Named entity recognition and Universal Dependency parsing
- Dominio:
- Idioma(s): Español
- NLP topic: análisis sintáctico
- Dataset: CoNLL-UD2.2-ES
- Foro: CoNLL
- Competición: CoNLL 2018 Shared Task: Multilingual Parsing from Raw Text to Universal Dependencies
- Dominio:
- Idioma(s): Español, Inglés
Emoji prediction SEMEVAL 2018
- NLP topic: clasificación de textos
- Dataset: Tweets emojis-ES
- Foro: SEMEVAL
- Competición: SemEval 2018 Task 2: Multilingual Emoji Prediction
- Dominio:
- Idioma(s): Español, Inglés
Universal dependency parsing CoNLL 2017
- NLP topic: análisis sintáctico
- Dataset: UD2.0-es
- Foro: CoNLL
- Competición: CoNLL 2017 Shared Task: Multilingual Parsing from Raw Text to Universal Dependencies
- Dominio:
- Idioma(s): Español, Inglés
Author categorisation CLEF 2014
- NLP topic: clasificación de textos
- Dataset: RepLab-2014-Profiling
- Foro: CLEF
- Competición: RepLab 2014: Author Profiling and Reputation Dimensions for Online Reputation Management
- Dominio: Finanzas
- Idioma(s): Español
Author ranking CLEF 2014
- NLP topic: clasificación de textos
- Dataset: RepLab-2014-Profiling
- Foro: CLEF
- Competición: RepLab 2014: Author Profiling and Reputation Dimensions for Online Reputation Management
- Dominio: Finanzas
- Idioma(s): Español
Reputation dimensions classification CLEF 2014
- NLP topic: clasificación de textos
- Dataset: RepLab-2014-Reputation
- Foro: CLEF
- Competición: RepLab 2014: Author Profiling and Reputation Dimensions for Online Reputation Management
- Dominio: Finanzas
- Idioma(s): Español
- NLP topic: análisis sintáctico
- Dataset: CoNL-2009-ES
- Foro: CoNLL
- Competición: CoNLL-2009 Shared Task: Syntactic and Semantic Dependencies in Multiple Languages
- Dominio:
- Idioma(s): Español, Inglés
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.
