CLARA-MeD corpus

Datos y Recursos

Interoperabilidad


Categorías


Información Adicional

Campo Valor
Identificador http://hdl.handle.net/10261/269887
Autoría
Proyecto
Nombre CLARA-MeD corpus
Descripción

A collection of 24.298 pairs of professional and simplified texts (>96 million tokens): 1) Drug leaflets and summaries of product characteristics (10 211 pairs of texts, >82M words); 2) Cancer-related information summaries (201 pairs of texts, >3M tokens); and 2) Clinical trials announcements (5748 pairs of texts, 451 690 tokens). The dataset also contains a parallel corpus with a subset of 3800 sentence pairs of professional and laymen variants (149 862 tokens). This is a benchmark for medical text simplification. The latest download of files was in February 2022.
Temáticas
  • Ciencia y tecnología
  • Salud
Etiquetas
Fecha de creación 2022-05-19T00:00:00
Fecha última actualización 2022-05-19T00:00:00
Frecuencia de actualización
Idiomas
  • Español
  • Inglés
Cobertura geográfica España
Cobertura geográfica. Internacional Europa y Estados Unidos
Cobertura temporal
  • Desde 2022-05-15 hasta 2022-05-15
Vigencia del recurso
Recursos relacionados
Normativa
    Instituto
    Publicador Publicador - Digital.CSIC
    Observaciones

    Cita recomendada: Campillos-Llanos, Leonardo; Terroba Reinares, Ana Rosa; Zakhir Puig, Sofía; Valverde Mateos, Ana; Capllonch Carrión, Adrián; 2022; CLARA-MeD corpus [Dataset]; DIGITAL.CSIC; https://doi.org/10.20350/digitalCSIC/14644