CHIP2019评测一：临床术语标准化任务

 共有20支队伍提交结果。

 总体情况：

评价指标	Maximum	Minimum	Mean	Median
accuracy	0.94825	0.351083	0.79747	0.831417

 前三名参赛结果：

排名	参赛单位	队伍名称	结果
1	云知声智能科技股份有限公司	Dolphin-ICI	0.948250
2	阿里巴巴	BioMed_NLP	0.927197
3	北京中科凡语科技有限公司	凡医	0.913417

 会议口头报告：

排名	参赛单位	队伍名称	报告人	报告题目
1	云知声智能科技股份有限公司	Dolphin-ICI	崇伟峰	基于BERT蕴含分数排序的术语标准化系统
2	阿里巴巴	BioMed_NLP	谭传奇	基于检索和重排序的手术名称标准化研究
3	北京中科凡语科技有限公司	凡医	薛晨	深度生成式模型在临床术语标准化中的应用

 会议海报：

排名	参赛单位	队伍名称	海报题目
4	大连理工大学信息检索实验室文本挖掘组	DUTIRTM	DUTIR临床术语标准化评测报告
5	北京协和医学院/中国医学科学院医学信息研究所	努力！奋斗！	基于文本相似度和BERT的临床术语标准化方法
6	个人	2019萌新	变分术语嵌入：基于变分自编码器（VAE）的临床术语标准化方法
7	北京深睿博联科技有限责任公司	SR_BJ_R&D	基于BERT-迁移学习与规则匹配模型的临床术语标准化方案
8	山西大学计算机与信息技术学院	深兰	基于生成模型的术语标准化
9	中国医学科学院医学信息研究所	和协队	面向电子病历语义规范化的术语标准化研究
10	中国医学科学院医学信息研究所	评测小分队	基于BERT句向量和相似度计算的临床术语标准化

 注：前十名队伍均展示海报，前三名海报题目与报告题目相同。

CHIP2019评测二：平安医疗科技疾病问答迁移学习比赛

 共有40支队伍提交结果。

 总体情况：

评价指标	Maximum	Minimum	Mean	Median
F1值	0.90257	0.49667	0.82322	0.85681

 前三名参赛结果：

排名	参赛单位	队伍名称	模型	模型集成	特征	其他	外部资源	模F1值
1	华南理工大学	wzm	roberta-zh-large roberta-wwm-ext-large bert-wwm-ext xgboost、lightgbm	有	图特征、 交互特征	同义词替换	开源词向量矩阵	0.90257
2	福建亿榕信息技术有限公司	upside-down	roberta-wwm-ext-large bert-base roberta-base bert-wwm-ext	有	无	优化器替换	无	0.86927
3	哈尔滨工业大学（深圳）	榴莲班戟	roberta-wwm-ext-large	有	无	预训练、 self-atention	无	0.86909

 会议口头报告：

排名	参赛单位	队伍名称	报告人	报告题目
1	华南理工大学	wzm	吴梓明	基于BERT与提升树模型的语义匹配方法
2	福建亿榕信息技术有限公司	upside-down	宋立华	自然语言处理流水线作业探索及评测实践
3	哈尔滨工业大学（深圳）	榴莲班戟	伏冠宇	Semantic similarity model of medical questions based on fusion pre-training model

CHIP2019评测三：临床试验筛选标准短文本分类

 共有27支队伍提交结果。

 总体情况：

评价指标	Maximum	Minimum	Mean	Median
Average F1	0.810263	0.553736	0.770502	0.788728

 前三名参赛结果：

排名	参赛单位	队伍名称	使用方法	外部资源	Average F1
1	华南理工大学	wzm	语言模型Bert、RoBERTa、LightGBM，最后加权平均	无	0.810263
2	大连理工大学	DUTIR914	语言模型(Bert、RoBERTa) + 深度学习模型(CNN，DPCNN，LSTM以及注意力机制)，模型融合	http://www.chictr.org.cn/index.aspx	0.809936
3	大连理工大学	DUTIRTM	语言模型+神经网络(ERNIE+CNN、ERNIE+ATT、RoBERTa+CNN和RoBERTa+ATT)	无	0.807456

 会议口头报告：

排名	参赛单位	队伍名称	报告题目	报告人
1	华南理工大学	wzm	基于BERT与模型融合的短文本分类方法	吴梓明
2	大连理工大学	DUTIR914	一种基于预训练模型的医学短文本分类方法	李孟颖
3	大连理工大学	DUTIRTM	基于BERT融合多特征的临床试验筛选标准短文本分类	丁泽源

 会议海报：

排名	参赛单位	队伍名称	作者	海报题目
4	中山大学	好果汁队	潘智伟，舒丁飞	基于多模型集成学习的临床试验筛选标准短文本分类
5	中国医学科学院医学信息研究所	努力！奋斗！	杨飞洪，李姣	基于BERT模型的临床试验筛选短文本分类
6	北京中科凡语科技有限公司	mini batch	王克欣，张萌、王祥宇、付西娜、于志鹏	多模型融合的文本分类算法在临床试验筛选中的应用
7	中南大学	Morning Tea	伍逸凡，余颖 ，李敏	基于不同词向量特征的临床试验筛选标准短文本分类
8	郑州大学	zzunlp	蔡林坤，刘涛	临床试验筛选标准短文本分类
9	新疆大学	A&D	阿依古丽·哈力克，吴迪、李磊	基于ERNIE的文本分类

 注：前九名队伍均展示海报，前三名海报题目与报告题目相同。

CHIP2020评测一：中文医学文本命名实体识别

 共有37支队伍提交结果。

 总体情况：

评价指标	Maximum	Minimum	Mean	Median
F1值	0.6835	0	0.5548	0.6491

 前三名参赛结果：

排名	参赛单位	队伍名称	使用方法/th>	外部资源	F1值
1	腾讯天衍实验室	yangyf	预训练模型+MRC；预训练模型+CRF；词增强	医疗网站上的相关文本	0.6835
2	纽约大学	xi	1.基于CRF的实体抽取，结合阅读理解完成训练 2.采取词汇增强，动态规划文本分割，半监督数据增强及模型融合方法增强效果	否	0.6825
3	北京理工大学	信息抽取三元组	biaffine、伪标、模型融合、MRC-QA	开源预训练语言模型	0.6824

 会议口头报告：

报告人	单位	报告题目
杨奕凡	腾讯天衍实验室	基于领域自适应和词增强的实体识别方案
娄杰	零氪科技	基于多种策略组合的嵌套实体抽取

CHIP2020评测二：中文医学文本实体关系抽取

 共有17支队伍提交结果。

 总体情况：

评价指标	Maximum	Minimum	Mean	Median
F1值	0.6486	0.2760	0.5515	0.5662

 前三名参赛结果：

排名	参赛单位	队伍名称	使用方法	外部资源	F1值
1	零氪科技	信息抽取三元组	对抗训练、多头选择、指针标注、模型融合	开源预训练语言模型	0.6486
2	腾讯天衍实验室	zyy_77	基于流模型解码和词增强的实体关系联合抽取	无	0.6387
3	中国科学技术大学	guanchong			0.6378

 会议口头报告：

报告人	单位	报告题目
娄杰	零氪科技	融合BERT与多头选择机制的关系抽取
张云燕	腾讯天衍实验室	基于流模型解码和词增强的实体关系联合抽取
叶元	北京大学	两阶段医疗实体关系联合抽取

CHIP2020评测三：临床术语标准化任务

 共有9支队伍提交结果。

 总体情况：

评价指标	Maximum	Minimum	Mean	Median
F1值	0.725546	0.267261	0.447778	0.303357

 前三名参赛结果：

排名	参赛单位	队伍名称	F1
1	零氪科技LinkDoc	信息抽取三元组	0.725546
2	中国科学院自动化研究所， 云知声智能科技股份有限公司	Magikarp	0.688145
3	平安科技智能疾病管理团队	先随便填	0.630878

 会议口头报告：

报告人	单位	报告题目
娄杰	零氪科技	一种基于召回排序两阶段的医疗术语标准化方案
周桐	中国科学院自动化研究所，云知声智能科技股份有限公司	三元文本蕴含的临床术语标准化方法
袁正	清华大学工业工程系统计学研究中心	规则增强的中文术语正则化

CHIP2020评测四：新冠肺炎趋势预测

 共有2支队伍提交结果。

 总体情况：

评价指标	Maximum	Minimum	Mean
差异率	5.319205673	4.335495277	4.827350475

 前两名参赛结果：

排名	参赛单位	队伍名称	差异率
1	华南理工大学	不知叫啥队	4.335495277
2	大连大学	耀阳	5.319205673

 会议口头报告：

报告人	单位	报告题目
刘奕鑫	华南理工大学	基于XGBOOST的新冠疫情预测
吴安奇	大连大学	LSTM与多类型时间序列融合的时序数据预测方法