西安工作

1. 医疗数据来自哪里，原始格式是什么常见来源：电子病历、指南文档、药品说明书、问答语料、结构化表。原始格式可能是txt/doc/pdf/json/csv/数据库表，需做脱敏与字段规范化。2. 使用什么标注工具，如何分配标注任务常用doccano、label studio。任务分配一般按疾病域或实体类型切分，双人标注+仲裁提升一致性，使用IAA（如Kappa）评估质量。3. 使用什么标注规则，详细解释规则通常包含：实体边界规则、歧义词处理、缩写规范、嵌套实体策略、关系触发词定义、冲突优先级。需要沉淀《标注指南》并版本化管理。4. 如何实现数据预处理，中间步骤有哪些流程：去噪清洗 → 分句分词 ...