bigbio/tmvar_v3

该数据集包含500篇PubMed文章，这些文章手动注释了各种类型的突变提及，并为每个提及提供了dbsnp标准化。此外，数据集还包含变体标准化选项，如来自ClinGen Allele Registry的等位基因特定标识符。该数据集可用于命名实体识别（NER）和命名实体消歧（NED）任务，但没有提供数据分割。

原始信息汇总

数据集概述：tmVar v3

基本信息

• 语言: 英语
• 许可证: 未知
• 多语言性: 单语
• 数据集名称: tmVar v3
• 主页: https://www.ncbi.nlm.nih.gov/research/bionlp/Tools/tmvar/
• PubMed可用性: 是
• 公开可用性: 是
• 任务类型: 命名实体识别（NER）、命名实体消歧（NED）

数据集描述

• 内容: 包含500篇PubMed文章，手动标注了各种突变提及及其dbsnp归一化。此外，还包括来自ClinGen Allele Registry的变异归一化选项。
• 用途: 适用于NER和NED任务。
• 特点: 无数据分割。

引用信息

@misc{https://doi.org/10.48550/arxiv.2204.03637, title = {tmVar 3.0: an improved variant concept recognition and normalization tool}, author = { Wei, Chih-Hsuan and Allot, Alexis and Riehle, Kevin and Milosavljevic, Aleksandar and Lu, Zhiyong }, year = 2022, publisher = {arXiv}, doi = {10.48550/ARXIV.2204.03637}, url = {https://arxiv.org/abs/2204.03637}, copyright = {Creative Commons Attribution 4.0 International}, keywords = { Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences } }

搜集汇总

背景与挑战

背景概述

tmVar v3数据集包含500篇手动标注的PubMed文章，专注于突变提及和dbsnp标准化，并整合ClinGen等位基因注册表以支持变体标准化。该数据集适用于命名实体识别（NER）和命名实体消歧（NED）任务，但未提供预定义的数据分割，总文件大小为36 kB。