ManpreetK/NDD_NER

该命名实体识别数据集专为神经发育障碍领域设计，用于检测特定领域的实体。数据集最初通过SciSpaCy UMLS实体链接器对PubMed摘要进行注释，并将特定的语义类型映射到所需的领域特定标签，随后使用Label Studio进行手动验证。数据集包含训练集、验证集和测试集，分别包含341、177和160个样本。数据集的标签类别包括CONDITION、ASSOCIATED_PROBLEM、PATIENT_GROUP、INTERVENTION和TEST，每个类别对应不同的UMLS语义类型。

原始信息汇总

数据集概述

数据集名称

NDD_NER

数据集描述

这是一个用于神经发育障碍领域的命名实体识别（NER）数据集，旨在识别特定领域的实体。数据集通过SciSpaCy UMLS实体链接器对PubMed摘要进行标注，并将特定的语义类型映射到所需的领域特定标签，随后通过Label Studio进行手动校验。

数据集特征

• tokens: 字符串序列
• ner_tags: 标签序列，包含以下类别：
  • I-CONDITION
  • I-TEST
  • B-CONDITION
  • I-PATIENT_GROUP
  • B-ASSOCIATED_PROBLEM
  • O
  • I-ASSOCIATED_PROBLEM
  • B-INTERVENTION
  • B-PATIENT_GROUP
  • I-INTERVENTION
  • B-TEST

数据集分割

• train: 341个样本，大小156151字节
• validation: 177个样本，大小68495字节
• test: 160个样本，大小67949字节

数据集大小

• 下载大小: 78315字节
• 数据集总大小: 292595字节

标签类别及UMLS语义类型

• CONDITION: Mental or Behavioral Dysfunction, Disease or Syndrome, Neoplastic Process, Congenital Abnormality
• ASSOCIATED_PROBLEM: Sign or Symptom, Mental Process, Injury or Poisoning
• PATIENT_GROUP: Age Group, Population Group, Patient or Disabled Group
• INTERVENTION: Therapeutic or Preventive Procedure, Health Care Activity
• TEST: Diagnostic Procedure, Intellectual Product, Research Activity, Laboratory Procedure

数据集分割详情

分割名称	样本数	CONDITION	ASSOCIATED_PROBLEM	PATIENT_GROUP	INTERVENTION	TEST
train	341	320	189	240	273	228
test	160	139	68	87	98	82
validation	177	147	82	104	117	98