https://blog.qife122.com/tags/%E6%95%B0%E6%8D%AE%E9%9B%86%E6%9E%84%E5%BB%BA/ Recent content in 数据集构建 on 办公AI智能小助手 Hugo zh-cn qife Fri, 12 Sep 2025 05:35:06 +0800 https://blog.qife122.com/p/%E4%BB%96%E5%8A%A0%E7%A6%84%E8%AF%AD%E5%91%BD%E5%90%8D%E5%AE%9E%E4%BD%93%E8%AF%86%E5%88%AB%E6%95%B0%E6%8D%AE%E9%9B%86%E6%9E%84%E5%BB%BA%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/ Fri, 12 Sep 2025 05:35:06 +0800 https://blog.qife122.com/p/%E4%BB%96%E5%8A%A0%E7%A6%84%E8%AF%AD%E5%91%BD%E5%90%8D%E5%AE%9E%E4%BD%93%E8%AF%86%E5%88%AB%E6%95%B0%E6%8D%AE%E9%9B%86%E6%9E%84%E5%BB%BA%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/ <h1 id="开发他加禄语命名实体识别数据集">开发他加禄语命名实体识别数据集</h1> <h2 id="摘要">摘要</h2> <p>本研究提出了一个针对他加禄语的命名实体识别（NER）数据集的开发工作。该语料库有助于填补当前菲律宾语言资源匮乏的空白，其中NER资源尤为稀缺。文本数据来源于包含新闻报道的预训练语料库，并由母语者通过迭代方式进行标注。最终生成的数据集包含约7.8k个文档，涵盖三种实体类型：人物、组织和地点。通过科恩卡帕系数测量的标注者间一致性为0.81。此外，还对监督学习和迁移学习设置下的最先进方法进行了广泛实证评估。最后，公开发布了数据和处理代码，以推动他加禄语自然语言处理的未来研究工作。</p> https://blog.qife122.com/p/%E6%B3%95%E8%AF%AD%E5%8C%BB%E7%96%97%E9%97%AE%E7%AD%94%E6%95%B0%E6%8D%AE%E9%9B%86mediqal%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/ Mon, 08 Sep 2025 02:08:09 +0800 https://blog.qife122.com/p/%E6%B3%95%E8%AF%AD%E5%8C%BB%E7%96%97%E9%97%AE%E7%AD%94%E6%95%B0%E6%8D%AE%E9%9B%86mediqal%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/ <h1 id="mediqal法语医疗问答数据集的技术架构与评估">MediQAl：法语医疗问答数据集的技术架构与评估</h1> <h2 id="数据集构建">数据集构建</h2> <p>MediQAl数据集包含32,603道源自法国医疗考试的题目，覆盖41个医疗学科。数据集设计包含三种任务形式：</p> <ul> <li>单项选择问答（唯一答案）</li> <li>多项选择问答（多个答案）</li> <li>开放式问答（简答形式）</li> </ul> <h2 id="认知能力标注">认知能力标注</h2> <p>每道题目均标注为「理解型」或「推理型」，支持对模型认知能力的细粒度分析。这种标注体系允许研究者区分模型在事实回忆和逻辑推理方面的表现差异。</p> https://blog.qife122.com/p/%E7%9A%AE%E8%82%A4%E7%8A%B6%E5%86%B5%E5%9B%BE%E5%83%8F%E7%BD%91%E7%BB%9Cscin%E6%9E%84%E5%BB%BA%E5%A4%9A%E6%A0%B7%E5%8C%96%E7%9A%AE%E8%82%A4%E7%97%85%E5%9B%BE%E5%83%8F%E6%95%B0%E6%8D%AE%E9%9B%86%E7%9A%84%E6%96%B0%E7%AA%81%E7%A0%B4/ Mon, 08 Sep 2025 00:43:54 +0800 https://blog.qife122.com/p/%E7%9A%AE%E8%82%A4%E7%8A%B6%E5%86%B5%E5%9B%BE%E5%83%8F%E7%BD%91%E7%BB%9Cscin%E6%9E%84%E5%BB%BA%E5%A4%9A%E6%A0%B7%E5%8C%96%E7%9A%AE%E8%82%A4%E7%97%85%E5%9B%BE%E5%83%8F%E6%95%B0%E6%8D%AE%E9%9B%86%E7%9A%84%E6%96%B0%E7%AA%81%E7%A0%B4/ <h1 id="scin皮肤病学代表性图像的新资源">SCIN：皮肤病学代表性图像的新资源</h1> <p>健康数据集在研究和医学教育中扮演着关键角色，但创建反映真实世界的数据集具有挑战性。例如，皮肤病学状况在外观和严重程度上多种多样，并在不同肤色上表现不同。然而，现有的皮肤病学图像数据集往往缺乏日常状况（如皮疹、过敏和感染）的代表性，并偏向较浅肤色。此外，种族和民族信息经常缺失，阻碍了我们评估差异或创建解决方案的能力。</p>