MLSMOTE: Approaching imbalanced multilabel learning through synthetic instance generation

从病例文本中识别描述症状的文字

本项目是针对医疗数据，进行命名实体识别。项目中有600份标注好的电子病历文本，共需识别含解剖部位、独立症状、症状描述、手术和药物五类实体。该领域的命名实体识别问题是自然语言处理中经典的序列标注问题。

百科名医的数据爬虫，科室、疾病、症状、检查等类型，包括医疗百科。

pkuseg多领域中文分词工具; The pkuseg toolkit for multi-domain Chinese word segmentation

Hierarchical Clustering Python Implementation