DFKI-SLT/MedDistant19

MedDistant19是一个通过将2019年的PubMed MEDLINE摘要与UMLS Metathesaurus 2019中的SNOMED-CT知识图谱对齐而创建的远程监督生物医学关系提取（Bio-DSRE）语料库。该数据集主要用于多类分类任务，特别是生物医学关系提取。数据集包含文本、头实体、尾实体和关系等字段，所有数据均为英文。使用该数据集前需要签署UMLS协议。

原始信息汇总

数据集概述

名称: MedDistant19

语言: 英语

任务类型: 文本分类

任务: 多类分类

数据集来源:

• PubMed
• UMLS

数据集大小:

• 训练集: 450071 个样本，114832958 字节
• 验证集: 39434 个样本，10158868 字节
• 测试集: 91568 个样本，23816522 字节

下载大小: 85782402 字节

数据集大小: 148808348 字节

特征:

• text: 文本内容，字符串类型
• h: 头部实体
  • id: 实体标识，字符串类型
  • pos: 实体位置，整数列表
  • name: 实体名称，字符串类型
• t: 尾部实体
  • id: 实体标识，字符串类型
  • pos: 实体位置，整数列表
  • name: 实体名称，字符串类型
• relation: 关系标签，包含多个类别如 active_ingredient_of, associated_finding_of 等

许可证: 其他

标签:

• 医学
• 关系提取

数据集创建:

• 注释创建者: 远监督
• 语言创建者: 发现

数据集结构:

• 数据分为训练、验证和测试集
• 每个实例包含文本、头部实体、尾部实体和关系标签

使用前须知:

• 使用此数据集需签署UMLS协议，并每年提交使用报告
• 需尊重UMLS中的版权材料，并在商业或生产应用中获得每个版权源的许可