Siddharth63/clinical_trials_annotated

该数据集包含文本数据及其相关的命名实体识别（NER）和临床试验实体信息。数据集的特征包括文本内容、NER的开始和结束位置、实体块、置信度和实体类型，以及临床试验实体的类似信息。数据集分为训练集，包含99,402个示例，总大小为950,567,297字节。

This dataset contains text data along with related named entity recognition (NER) and clinical trial entity information. The features of the dataset include text content, start and end positions of NER, entity chunks, confidences, and entity types, as well as similar information for clinical trial entities. The dataset is divided into a training set, containing 99,402 examples, with a total size of 950,567,297 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• text: 文本数据，数据类型为 string。
• ner_jsl: 命名实体识别数据，包含以下子特征：
  • begin: 起始位置，数据类型为 int64。
  • chunks: 分块信息，数据类型为 string。
  • confidences: 置信度，数据类型为 string。
  • end: 结束位置，数据类型为 int64。
  • entities: 实体信息，数据类型为 string。
• clinical_trial_entities: 临床试验实体数据，包含以下子特征：
  • begin: 起始位置，数据类型为 int64。
  • chunks: 分块信息，数据类型为 string。
  • confidences: 置信度，数据类型为 string。
  • end: 结束位置，数据类型为 int64。
  • entities: 实体信息，数据类型为 string。
• index_level_0: 索引级别0，数据类型为 int64。

数据分割

• train: 训练集，包含 99402 个样本，总大小为 950567297 字节。

数据集大小

• 下载大小: 365585355 字节
• 数据集总大小: 950567297 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*