YufeiHFUT/CDR_all_info_intra_inter

该数据集包含化学和疾病相关的实体信息，主要字段包括prompt、label、revised_title、revised_abstract等。数据集分为训练集、验证集和测试集，分别包含2047、2007和2040个样本。

This dataset contains information related to chemical and disease entities, with main fields including prompt, label, revised_title, revised_abstract, etc. The dataset is divided into training, validation, and test sets, containing 2047, 2007, and 2040 samples respectively.

原始信息汇总

数据集概述

数据集特征

• prompt: 字符串类型
• label: 字符串类型
• revised_title: 字符串类型
• revised_abstract: 字符串类型
• head_chemical_entName: 字符串类型
• head_entity_dict: 结构体类型
  • id: 字符串类型
  • normalized: 列表类型
    • db_id: 字符串类型
    • db_name: 字符串类型
  • offsets: 序列类型
    • 序列: 整数类型
  • text: 序列类型
    • 序列: 字符串类型
  • type: 字符串类型
• tail_disease_entName: 字符串类型
• tail_entity_dict: 结构体类型
  • id: 字符串类型
  • normalized: 列表类型
    • db_id: 字符串类型
    • db_name: 字符串类型
  • offsets: 序列类型
    • 序列: 整数类型
  • text: 序列类型
    • 序列: 字符串类型
  • type: 字符串类型
• chemical_entitiesList: 列表类型
  • id: 字符串类型
  • normalized: 列表类型
    • db_id: 字符串类型
    • db_name: 字符串类型
  • offsets: 序列类型
    • 序列: 整数类型
  • text: 序列类型
    • 序列: 字符串类型
  • type: 字符串类型
• disease_entitiesList: 列表类型
  • id: 字符串类型
  • normalized: 列表类型
    • db_id: 字符串类型
    • db_name: 字符串类型
  • offsets: 序列类型
    • 序列: 整数类型
  • text: 序列类型
    • 序列: 字符串类型
  • type: 字符串类型
• origin_title: 字符串类型
• origin_abstract: 字符串类型
• intra-sentence: 布尔类型

数据集分割

• train:
  • 字节数: 13560553
  • 样本数: 2047
• validation:
  • 字节数: 13292041
  • 样本数: 2007
• test:
  • 字节数: 13794089
  • 样本数: 2040

数据集大小

• 下载大小: 6698511 字节
• 数据集总大小: 40646683 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*