https://github.com/wainshine/medical-names-corpus
医疗语料库。医疗机构名语料库。药品本位码。
https://github.com/wainshine/medical-names-corpus
corpus dataset dict medical
Last synced: 3 months ago
JSON representation
医疗语料库。医疗机构名语料库。药品本位码。
- Host: GitHub
- URL: https://github.com/wainshine/medical-names-corpus
- Owner: wainshine
- License: apache-2.0
- Created: 2019-09-09T07:02:29.000Z (about 6 years ago)
- Default Branch: master
- Last Pushed: 2024-03-27T04:56:10.000Z (over 1 year ago)
- Last Synced: 2025-03-03T09:43:28.036Z (8 months ago)
- Topics: corpus, dataset, dict, medical
- Homepage:
- Size: 23 MB
- Stars: 68
- Watchers: 5
- Forks: 31
- Open Issues: 1
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# 医疗语料库（Medical-Names-Corpus）
关于萌名（NameMoe）
萌名是一个基于大数据和自然语言处理技术的新取名产品。
通过分词工具对海量文本进行分词和词频统计。数据清洗后，得到千万级的人名词典。再对其进行性别、年龄、拼音、情感、人名指数等标记，最终形成5600万+的中文人名图谱。
为剔除人名、机构名中的badcase，个人收集并建立了大量行业词典，医疗语料库（Medical-Names-Corpus）即是其中之一。
本子项目可用于中文分词、药品名识别等场景。
---
PS1：维护此项目，除个人兴趣外，主要是在此过程中，可通过任务驱动来不断学习和实践NLP、KG以及AI等相关前沿技术。
PS2：正在找工作，求内部推荐～ 移动医疗/SaaS后台/人工智能方向的 高级产品经理一枚。
PS3：请勿提交涉政issue，谢谢。
PS4：如将本项目转存到国内的某平台，请设置成0积分下载，并保留GitHub链接。
---
医疗机构名语料库（Medical-Org-Names-Corpus）
包含大量不可信实体（如莆田系、无营业执照等），能力有限无法识别，请自行查证。
数据大小：260万。
语料来源：多个词典汇总。
数据清洗：未清洗。
---
药品本位码（Medical-ID-Corpus）
数据大小：18万。
语料来源：多个词典汇总。
数据清洗：未清洗。
---
更新时间：
新增18万药品本位码。 -2019.09.28
删除部分badcase。 -2020.12.13
新增260万泛医疗机构名。 -2021.05.30
删除部分badcase。 -2022.11.30
---
@萌名NameMoe 整理
2024.03.27