Mouwiya/drug-reviews

该数据集名为Drug Review Dataset，来源于UC Irvine Machine Learning Repository，包含患者对不同药物的评价、治疗的医疗条件以及患者的满意度评分。数据集经过预处理，包括处理缺失值、确保患者ID的唯一性、文本预处理（如转换为小写、处理HTML实体）、使用BERT tokenizer进行分词，并将数据集划分为训练集、验证集和测试集。最后，数据集被导出为Hugging Face Datasets格式并上传至Hugging Face Hub。

原始信息汇总

数据集概述

数据集特征

• patient_id: 整数类型
• drugName: 字符串类型
• condition: 字符串类型
• review: 字符串类型
• rating: 浮点数类型
• date: 字符串类型
• usefulCount: 整数类型
• review_length: 整数类型

数据集分割

• 训练集: 包含27703个样本，占用16479750.174480557字节
• 测试集: 包含46108个样本，占用27430466字节

数据集大小

• 下载大小: 25530005字节
• 数据集总大小: 43910216.17448056字节

配置

• 默认配置: 包含训练集和测试集的数据文件路径

许可证

• 许可证: Open Data Commons Open Database License (ODbL)

任务类别

• 任务类别: 文本分类

语言

• 语言: 英语

大小类别

• 大小类别: 10M<n<100M

搜集汇总

数据集介绍

构建方式

在药物疗效评估与患者反馈分析的研究领域中，Mouwiya/drug-reviews数据集基于UC Irvine机器学习库中的药物评论原始数据构建而成。构建流程首先进行数据加载，随后执行数据预处理以保障完整性与一致性，包括处理缺失值并确保患者标识符的唯一性。文本预处理阶段将评论与病情描述转换为小写，并清理HTML实体。利用BERT分词器对文本进行令牌化处理，生成适配BERT模型的输入序列。最终将数据集划分为训练集与测试集，并导出为Hugging Face Datasets格式，上传至Hub供社区使用。

特点

该数据集具备多维度的结构化特征，涵盖患者标识符、药物名称、治疗病症、原始评论文本、满意度评分、评论日期、有用性计数及评论长度等字段。数据规模介于10M至100M字节之间，包含约27,703条训练样本与46,108条测试样本。评论内容与病症描述的文本处理确保了语义完整性，而BERT令牌化则增强了与预训练语言模型的兼容性。数据集采用ODbL许可协议，面向文本分类任务设计，支持英文环境下的药物效用与患者体验研究。

使用方法

该数据集适用于多种自然语言处理任务，尤其聚焦于文本分类场景。研究者可通过Hugging Face Datasets库直接加载数据，利用其预划分的训练集与测试集进行模型开发。典型应用包括基于评论内容的药物满意度预测、病症与药物关联分析，以及患者反馈的情感极性判别。数据集的令牌化预处理与结构化字段设计，使得与BERT等Transformer模型的集成变得直接高效，支持微调与评估流程的快速实施。

背景与挑战

背景概述

在医疗健康领域，患者对药物的真实反馈是评估疗效与安全性的重要依据，然而传统临床数据往往难以全面捕捉个体化用药体验。Mouwiya/drug-reviews数据集由Mouwiya S.A. Al-Qaisieh于近期创建，源自UC Irvine机器学习库中的药物评论数据，包含超过7万条患者对多种药物的评价，涵盖治疗病症、满意度评分及评论内容。该数据集旨在通过自然语言处理技术挖掘患者文本中的隐性知识，为药物监测、不良反应预警及个性化医疗推荐提供数据基础。其发布推动了文本分类任务在医疗领域的应用，尤其为基于BERT等预训练模型的药物情感分析研究提供了标准化基准，对促进患者中心化的医疗决策具有重要价值。

当前挑战

该数据集面临的核心挑战在于医疗文本的复杂性与数据质量的双重制约。首先，患者评论中混杂大量非专业术语、拼写错误及口语化表达，使得情感倾向与药物效果的精确映射变得困难，传统文本分类模型易受噪声干扰。其次，数据构建过程中需处理不完整的患者记录与重复标识，原始数据中缺失值及非唯一患者ID的清洗增加了预处理难度。此外，多病症与多药物的交叉组合导致类别分布不均衡，部分罕见病症样本稀疏，削弱了模型泛化能力。最后，医疗数据的隐私敏感性限制了公开数据集的详细标注，使得细粒度不良反应的识别与验证面临伦理与技术的双重壁垒。

常用场景

经典使用场景

Mouwiya/drug-reviews数据集的核心经典应用场景在于利用患者对药物的文本评价与满意度评分，构建基于自然语言处理的药物疗效与患者体验分析模型。通过将评论文本与疾病名称、药物名称及评分等结构化特征相结合，研究者能够训练出用于情感分析、文本分类或回归预测的深度学习模型，例如基于BERT的微调模型，从而精准捕捉患者对特定药物治疗效果的反馈倾向。这一场景广泛应用于计算语言学与药物信息学的交叉领域，为理解患者主观感受与药物客观疗效之间的关联提供了数据基础。

衍生相关工作

围绕Mouwiya/drug-reviews数据集，学术界已衍生出多项具有影响力的经典工作。研究者基于该数据开发了面向药物评论的情感分类与评分回归模型，如利用预训练语言模型进行微调以提升预测准确性，并探索了多任务学习框架同时预测评分与识别副作用。此外，有工作引入图神经网络建模药物-疾病-患者关系网络，用于推荐个性化治疗方案。在可解释性方面，部分研究通过注意力机制可视化模型对评论关键词的关注模式，揭示了影响患者满意度的核心文本特征。这些衍生工作共同推动了医疗自然语言处理领域的理论创新与实践落地。

数据集最近研究

最新研究方向

在药物安全监测与患者体验智能分析的前沿领域，Mouwiya/drug-reviews数据集正推动自然语言处理技术向临床决策支持系统深度融合。该数据集汇聚了来自真实患者的药物评论、病情描述及满意度评分，为基于BERT等预训练模型的药物不良反应检测、治疗效果情感分析提供了高价值语料。当前研究热点集中于利用该数据集构建细粒度的药物-疾病关联图谱，通过多标签分类与情感极性分析，揭示不同药物在特定病症下的患者主观疗效差异。这一方向不仅呼应了精准医学时代对个性化用药证据的需求，也为监管机构从海量患者反馈中快速识别药物安全信号提供了数据驱动的技术路径，具有提升药物警戒效率、优化公共卫生决策的深远意义。