continual-pretrained-model

该数据集包含两部分：临床部分(clinical)和科学部分(scientific)。临床部分包含来自急诊部门的文本数据，科学部分则包含来自多个来源的科学文本数据，如常见爬虫医疗数据、药物说明、维基百科、e3c数据库、Web Hose AZ、论文、PubMed、补充描述、医疗网站和其他来源以及UniPD论文。每个部分都有详细的特征信息，如文本块、源文件、块类型、语言、ID、清理状态和原因以及单词数。