bio-datasets/e3c

欧洲临床案例语料库（E3C）项目旨在收集和注释五种欧洲语言（西班牙语、巴斯克语、英语、法语和意大利语）的大量临床文档，并将免费分发。注释包括时间信息，以允许对时间序列进行推理，以及基于医学分类的临床实体信息，用于语义推理。

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• document_id: 整数类型（int32）
• text: 字符串类型
• passages: 列表类型，包含：
  • id: 字符串类型
  • text: 字符串类型
  • offsets: 整数列表（int32）
• entities: 列表类型，包含：
  • id: 字符串类型
  • type: 字符串类型
  • text: 字符串类型
  • offsets: 整数列表（int32）
  • semantic_type_id: 字符串类型
  • role: 字符串类型
• relations: 列表类型，包含：
  • id: 字符串类型
  • type: 字符串类型
  • contextualAspect: 字符串类型
  • contextualModality: 字符串类型
  • degree: 字符串类型
  • docTimeRel: 字符串类型
  • eventType: 字符串类型
  • permanence: 字符串类型
  • polarity: 字符串类型
  • functionInDocument: 字符串类型
  • timex3Class: 字符串类型
  • value: 字符串类型
  • concept_1: 字符串类型
  • concept_2: 字符串类型

数据集配置名称

• config_name: e3c_source

数据集分割

• en.layer1: 1645819字节，84个样本
• en.layer2: 881290字节，171个样本
• en.layer2.validation: 101379字节，19个样本
• en.layer3: 7672589字节，9779个样本
• es.layer1: 1398186字节，81个样本
• es.layer2: 907515字节，162个样本
• es.layer2.validation: 103936字节，18个样本
• es.layer3: 6656630字节，1876个样本
• eu.layer1: 2217479字节，90个样本
• eu.layer2: 306291字节，111个样本
• eu.layer2.validation: 95276字节，10个样本
• eu.layer3: 4656179字节，1232个样本
• fr.layer1: 1474138字节，81个样本
• fr.layer2: 905084字节，168个样本
• fr.layer2.validation: 101701字节，18个样本
• fr.layer3: 457927491字节，25740个样本
• it.layer1: 1036560字节，86个样本
• it.layer2: 888138字节，174个样本
• it.layer2.validation: 99549字节，18个样本
• it.layer3: 86243680字节，10213个样本

数据集大小

• download_size: 230213492字节
• dataset_size: 575318910字节