bigbio/hprd50

HPRD50数据集是一个从人类蛋白质参考数据库（HPRD）中随机选取并手工标注的生物医学论文摘要的数据集。数据集以XML格式解析，将每个摘要分割成句子，并在每个句子中标注了实体及其之间的相互作用。实体均为蛋白质，相互作用为蛋白质-蛋白质相互作用。所有实体都归一化到HPRD数据库，归一化后的术语存储在XML中每个实体的type属性中。该数据集适用于命名实体识别（NER）和关系抽取（RE）任务。

The HPRD50 dataset is a manually annotated collection of biomedical paper abstracts randomly sampled from the Human Protein Reference Database (HPRD). The dataset is parsed in XML format, with each abstract split into individual sentences, and entities along with their interactions annotated in each sentence. All entities are proteins, and the annotated interactions are protein-protein interactions. All entities are normalized against the HPRD database, and the normalized terms are stored in the "type" attribute of each entity within the XML file. This dataset is suitable for named entity recognition (NER) and relation extraction (RE) tasks.

原始信息汇总

数据集概述：HPRD50

基本信息

• 语言: 英语
• 许可证: 未知
• 多语言性: 单语
• 任务:
  • 关系抽取 (RELATION_EXTRACTION)
  • 命名实体识别 (NAMED_ENTITY_RECOGNITION)

数据集描述

• 数据来源: 随机选取并手工标注的生物医学论文摘要，参考自人类蛋白质参考数据库（HPRD）
• 数据格式: XML，每个摘要被分割成句子，句子中包含实体及其相互作用
• 实体类型: 所有实体为蛋白质
• 交互类型: 蛋白质-蛋白质交互
• 实体标准化: 所有实体已标准化至HPRD数据库，标准化术语存储于源XML中每个实体的type属性

适用任务

• 命名实体识别 (NER): 识别文本中的蛋白质实体
• 关系抽取 (RE): 提取蛋白质间的相互作用关系