tabilab/biosses|生物医学数据集|文本相似度评分数据集

BIOSSES是一个用于生物医学句子相似性估计的基准数据集。该数据集包含100个句子对，每个句子对选自TAC（文本分析会议）生物医学摘要跟踪训练数据集中的生物医学领域文章。句子对由五位不同的人类专家评估其相似性，并给出0（无关系）到4（等价）的评分。在原始论文中，五位人类注释者评分的平均值被作为黄金标准。使用Pearson相关系数作为评估指标，评估模型估计的评分与黄金标准评分之间的相关性。

原始信息汇总

数据集概述

数据集名称

• 名称: BIOSSES
• 别名: BIOSSES

数据集基本信息

• 语言: 英语
• 许可证: GPL-3.0
• 多语言性: 单语
• 大小类别: 小于1K
• 源数据集: 原始
• 任务类别: 文本分类
• 任务ID: 文本评分, 语义相似度评分

数据集结构

• 特征:
  • sentence1: 字符串
  • sentence2: 字符串
  • score: 浮点数（32位）
• 数据分割:
  • 训练集: 100个样本, 32775字节

数据集创建

• 来源数据: TAC (Text Analysis Conference) Biomedical Summarization Track Training Dataset
• 注释: 由五位不同的人类专家评估句子对相似性并给出评分，评分范围从0（无关）到4（等同）。

使用数据集的注意事项

• 许可证: 根据GNU通用公共许可证v.3.0提供

• 引用信息:

  @article{souganciouglu2017biosses, title={BIOSSES: a semantic sentence similarity estimation system for the biomedical domain}, author={So{u{g}}anc{i}o{u{g}}lu, Gizem and {"O}zt{"u}rk, Hakime and {"O}zg{"u}r, Arzucan}, journal={Bioinformatics}, volume={33}, number={14}, pages={i49--i58}, year={2017}, publisher={Oxford University Press} }