荷兰医学领域语言语料库
Language corpora for the Dutch medical domain
AI总结：
本文通过翻译英文数据集并识别通用语料中的医学文本，构建了首个大规模荷兰医学语言语料库，为预训练和下游NLP任务提供资源。
摘要：
背景：荷兰医学语料稀缺，限制了NLP发展。方法：我们翻译了英文数据集，识别通用语料中的医学文本，并提取开放的荷兰医学资源。结果：所构建的语料库包含约350亿个词，涵盖约1亿文档，可在Hugging Face上免费获取。结论：本工作建立了首个大规模荷兰医学语言语料库，用于预训练和下游NLP任务。
英文摘要：
Background: Dutch medical corpora are scarce, limiting NLP development. Methods: We translated English datasets, identified medical text in generic corpora, and extracted open Dutch medical resources. Results: The resulting corpus comprises +- 36 billion tokens across the medical domain in about 105 million documents, freely available on Hugging Face. Conclusion: This work establishes the first large-scale Dutch medical language corpus for pre-training and downstream NLP tasks.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
