justinphan3110/vi_pubmed

PubMed数据集由美国国家医学图书馆（NLM）制作，包含MEDLINE/PubMed的引用记录，以XML格式提供，并转换为JSON格式以便使用。数据集每年12月发布一次基线版本，并每日更新，包含新增、修订和删除的引用记录。数据集中包含文章的标题、摘要、作者列表、化学物质列表等信息，适用于文本生成、文本分类、填充掩码等任务。数据集为单语种（英语），未提供明确的数据分割。

原始信息汇总

数据集概述

数据集名称

• 名称: ViPubMed

数据集摘要

• 摘要: NLM每年12月发布MEDLINE/PubMed引文记录的基准集，以XML格式提供下载。每日更新文件包括新、修订和删除的引文。

支持的任务

• 任务:
  • 文本生成
  • 填充掩码
  • 文本分类
• 具体任务:
  • 语言建模
  • 掩码语言建模
  • 文本评分
  • 主题分类

语言

• 语言:
  • 英语
  • 越南语

数据集结构

• 数据实例:
  • 包含字段如PMID、完成日期、参考文献数量、修订日期、文章标题、作者列表、语言、化学列表等。
• 数据字段:
  • 主要字段包括作者列表、摘要文本、文章标题、化学列表、参考文献数量。
• 数据分割:
  • 无特定分割，数据集整体提供。

数据集创建

• 源数据:
  • 数据来源于NLM，具体收集和标准化信息见FAQ页面。
• 许可证:
  • 其他

数据集大小

• 大小:
  • 10M<n<100M

多语言性

• 多语言性:
  • 单语种

数据集来源

• 来源:
  • 原始数据