KushT/LitCovid_BioCreative

LitCovid数据集是一个用于多标签文档分类任务的数据集，主要用于标注COVID-19文献的主题。该数据集包含7个主题标签：治疗、诊断、预防、机制、传播、流行病预测和病例报告。这些主题已被证明对信息检索有效，并已用于许多与COVID-19相关的下游应用。数据集包含训练集、验证集和测试集，分别包含24,960、6,239和2,500篇文章。每个数据实例包含多个字段，如PubMed标识符、期刊名称、文章标题、摘要、关键词等。

原始信息汇总

数据集卡片

数据集描述

数据集概述

LitCovid中的主题标注是一个多标签文档分类任务，为每篇文章分配一个或多个标签。LitCovid使用的7个主题标签包括：治疗、诊断、预防、机制、传播、流行病预测和病例报告。这些主题已被证明对信息检索有效，并已用于许多与COVID-19相关的下游应用。

数据集结构

数据实例和数据分割

• 训练集包含24,960篇来自LitCovid的文章；
• 验证集包含6,239篇来自LitCovid的文章；
• 测试集包含2,500篇来自LitCovid的文章；

数据字段

从PubMed/LitCovid获取的以下字段：

• pmid: PubMed标识符
• journal: 期刊名称
• title: 文章标题
• abstract: 文章摘要
• keywords: 作者提供的关键词
• pub_type: 文章类型，例如期刊文章
• authors: 作者姓名
• doi: 数字对象标识符
• label: 标注的主题列表，指示标签的存在或不存在，顺序为治疗,诊断,预防,机制,传播,流行病预测,病例报告
• text: 文本字段创建如下：[Title]: + title + [Abstract]: + abstract + [Keywords]: + keywords