荷兰医学领域语言语料库

背景：荷兰医学语料库稀缺，限制了 NLP 的发展。方法：我们翻译了英语数据集，识别了通用语料库中的医学文本，并提取了开放的荷兰医学资源。结果：生成的语料库包含医疗领域约 1.05 亿份文档中的 +- 360 亿个标记，可在 Hugging Face 上免费获取。结论：这项工作为 预训练 和下游 NLP 任务建立了第一个大规模荷兰医学语言语料库。