awesome_Chinese_medical_NLP

项目简介

awesome_Chinese_medical_NLP项目致力于整理和分享中文医学自然语言处理（NLP）相关的各种公开资源。该项目收集了包括术语集、语料库、词向量、预训练模型、知识图谱、命名实体识别、问答系统、信息抽取等多种工具和数据集，旨在推动中文医学NLP技术的发展，提高相关研究和应用的效率。

基准测试

项目中推荐了一个重要的基准测试：中文医疗信息处理挑战榜CBLUE数据集。该数据集由多个知名机构合作发起，致力于通过合法开放的数据共享，推动中文医学NLP技术的发展，并促进相关学术和产业界的合作。

术语集和语料库

项目汇集了多个医学术语集和语料库资源，如：

• medical-news：一个中文医学新闻爬虫项目。
• THUOCL：清华大学thunlp组提供的医学词汇。
• ICD9/ICD10/ICD11：国际疾病分类的中文版本。
• OMAHA七巧板医学术语集：开放医疗与健康联盟构建的药品与适应症的知识图谱样例数据。
• 中文糖尿病标注数据集：这一数据集将糖尿病相关的实体和关系进行了标注，方便进行相关的研究和应用。

词向量和预训练模型

项目整理了多个用于中文医学的预训练BERT模型和词向量资源，例如：

• ChineseEHRBert：一个专用于中文电子病历的预训练BERT模型。
• MC-BERT：ChineseBLUE数据集上的预训练模型。
• PCL-MedBERT和SMedBERT：这些模型努力在中文临床自然语言处理上取得突破。

分词工具

在医学领域的分词工具中，项目包括了：

• PKUSEG：提供医学领域分词支持的分词工具。
• cmekg医学分词工具：专注于中文医学文本的分词工具，支持更精细的分词。

知识图谱和关系提取

项目收录了多个医学知识图谱及关系提取工具，如：

• cMeKG：面向中文医学的知识图谱，并附有相关工具。
• OMAHA知识图谱：构建了包括药品、适应症的图谱数据。
• 病人事件图谱数据集：基于上海三甲医院电子病历数据，详细呈现了不同的医疗事件及其时序关系。

命名实体识别

收集了多个年份的CCKS竞赛数据集，这些数据集支持中文电子病历的命名实体识别及属性抽取，推动了相关技术的研究和发展。

问答系统

项目提供了多个中文医学问答的相关数据集和系统，比如：

• cMedQA：一个中文医学问答数据集，提供丰富的问答语料。
• MedDialog：包含中医生与患者之间对话的数据集，便于训练和测试对话系统。

术语标准化和文本分类

项目还包括术语标准化和文本分类的资源，以支持医学术语的标准化处理和医疗文本的分类工作，有助于提高NLP模型在医学领域的应用效果。

其他资源

项目提供了多种针对医学NLP任务的资源，如相似句对判断、文本分类，以及智能问答系统等，帮助研究人员和开发者更好地开展工作。