highnote/pubmed_qa

---
annotations_creators:
- expert-generated
- machine-generated
language_creators:
- expert-generated
language:
- en
license:
- mit
multilinguality:
- monolingual
size_categories:
- 100K<n<1M
- 10K<n<100K
- 1K<n<10K
source_datasets:
- original
task_categories:
- question-answering
task_ids:
- multiple-choice-qa
paperswithcode_id: pubmedqa
pretty_name: PubMedQA
dataset_info:
- config_name: pqa_labeled
features:
- name: pubid
dtype: int32
- name: question
dtype: string
- name: context
sequence:
- name: contexts
dtype: string
- name: labels
dtype: string
- name: meshes
dtype: string
- name: reasoning_required_pred
dtype: string
- name: reasoning_free_pred
dtype: string
- name: long_answer
dtype: string
- name: final_decision
dtype: string
splits:
- name: train
num_bytes: 2089200
num_examples: 1000
download_size: 687882700
dataset_size: 2089200
- config_name: pqa_unlabeled
features:
- name: pubid
dtype: int32
- name: question
dtype: string
- name: context
sequence:
- name: contexts
dtype: string
- name: labels
dtype: string
- name: meshes
dtype: string
- name: long_answer
dtype: string
splits:
- name: train
num_bytes: 125938502
num_examples: 61249
download_size: 687882700
dataset_size: 125938502
- config_name: pqa_artificial
features:
- name: pubid
dtype: int32
- name: question
dtype: string
- name: context
sequence:
- name: contexts
dtype: string
- name: labels
dtype: string
- name: meshes
dtype: string
- name: long_answer
dtype: string
- name: final_decision
dtype: string
splits:
- name: train
num_bytes: 443554667
num_examples: 211269
download_size: 687882700
dataset_size: 443554667
config_names:
- pqa_artificial
- pqa_labeled
- pqa_unlabeled
duplicated_from: pubmed_qa
---

# Dataset Card for [Dataset Name]

## Table of Contents
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-fields)
- [Data Splits](#data-splits)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)
- [Contributions](#contributions)

## Dataset Description

- **Homepage:** [PUBMED_QA homepage](https://pubmedqa.github.io/ )
- **Repository:** [PUBMED_QA repository](https://github.com/pubmedqa/pubmedqa)
- **Paper:** [PUBMED_QA: A Dataset for Biomedical Research Question Answering](https://arxiv.org/abs/1909.06146)
- **Leaderboard:** [PUBMED_QA: Leaderboard](https://pubmedqa.github.io/)

### Dataset Summary

[More Information Needed]

### Supported Tasks and Leaderboards

[More Information Needed]

### Languages

[More Information Needed]

## Dataset Structure

### Data Instances

[More Information Needed]

### Data Fields

[More Information Needed]

### Data Splits

[More Information Needed]

## Dataset Creation

### Curation Rationale

[More Information Needed]

### Source Data

#### Initial Data Collection and Normalization

[More Information Needed]

#### Who are the source language producers?

[More Information Needed]

### Annotations

#### Annotation process

[More Information Needed]

#### Who are the annotators?

[More Information Needed]

### Personal and Sensitive Information

[More Information Needed]

## Considerations for Using the Data

### Social Impact of Dataset

[More Information Needed]

### Discussion of Biases

[More Information Needed]

### Other Known Limitations

[More Information Needed]

## Additional Information

### Dataset Curators

[More Information Needed]

### Licensing Information

[More Information Needed]

### Citation Information

[More Information Needed]

### Contributions

Thanks to [@tuner007](https://github.com/tuner007) for adding this dataset.

标注生成方（annotations_creators）:
- 专家生成（expert-generated）
- 机器生成（machine-generated）
语言生成方（language_creators）:
- 专家生成（expert-generated）
使用语言（language）:
- 英语（en）
许可证（license）:
- MIT许可证（mit）
多语言属性（multilinguality）:
- 单语言（monolingual）
样本规模分类（size_categories）:
- 10万 < 样本数 < 100万
- 1万 < 样本数 < 10万
- 1千 < 样本数 < 1万
源数据集（source_datasets）:
- 原生数据集（original）
任务类别（task_categories）:
- 问答（question-answering）
任务子类别（task_ids）:
- 多选问答（multiple-choice-qa）
PapersWithCode数据集ID（paperswithcode_id）: pubmedqa
数据集展示名（pretty_name）: PubMedQA
数据集详情（dataset_info):
- 配置名（config_name）: pqa_标注版（pqa_labeled）
特征字段（features）:
- 字段名（name）: PubMed编号（pubid）
数据类型（dtype）: 32位整数（int32）
- 字段名（name）: 问题（question）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 上下文（context）
序列类型（sequence）:
- 字段名（name）: 上下文文本（contexts）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 标签（labels）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 医学主题词（MeSH，meshes）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 需推理预测项（reasoning_required_pred）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 无需推理预测项（reasoning_free_pred）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 长答案（long_answer）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 最终判定（final_decision）
数据类型（dtype）: 字符串（string）
数据划分（splits）:
- 划分名称（name）: 训练集（train）
字节数（num_bytes）: 2089200
样本数（num_examples）: 1000
下载大小（download_size）: 687882700
数据集总大小（dataset_size）: 2089200
- 配置名（config_name）: pqa_未标注版（pqa_unlabeled）
特征字段（features）:
- 字段名（name）: PubMed编号（pubid）
数据类型（dtype）: 32位整数（int32）
- 字段名（name）: 问题（question）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 上下文（context）
序列类型（sequence）:
- 字段名（name）: 上下文文本（contexts）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 标签（labels）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 医学主题词（MeSH，meshes）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 长答案（long_answer）
数据类型（dtype）: 字符串（string）
数据划分（splits）:
- 划分名称（name）: 训练集（train）
字节数（num_bytes）: 125938502
样本数（num_examples）: 61249
下载大小（download_size）: 687882700
数据集总大小（dataset_size）: 125938502
- 配置名（config_name）: pqa_人工合成版（pqa_artificial）
特征字段（features）:
- 字段名（name）: PubMed编号（pubid）
数据类型（dtype）: 32位整数（int32）
- 字段名（name）: 问题（question）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 上下文（context）
序列类型（sequence）:
- 字段名（name）: 上下文文本（contexts）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 标签（labels）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 医学主题词（MeSH，meshes）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 长答案（long_answer）
数据类型（dtype）: 字符串（string）
- 字段名（name）: 最终判定（final_decision）
数据类型（dtype）: 字符串（string）
数据划分（splits）:
- 划分名称（name）: 训练集（train）
字节数（num_bytes）: 443554667
样本数（num_examples）: 211269
下载大小（download_size）: 687882700
数据集总大小（dataset_size）: 443554667
配置名列表（config_names）:
- pqa_人工合成版（pqa_artificial）
- pqa_标注版（pqa_labeled）
- pqa_未标注版（pqa_unlabeled）
派生数据集来源（duplicated_from）: pubmed_qa

# 数据集卡片（PubMedQA）

## 目录（Table of Contents）
- [数据集描述（Dataset Description）](#dataset-description)
- [数据集概述（Dataset Summary）](#dataset-summary)
- [支持的任务与排行榜（Supported Tasks and Leaderboards）](#supported-tasks-and-leaderboards)
- [使用语言（Languages）](#languages)
- [数据集结构（Dataset Structure）](#dataset-structure)
- [数据实例（Data Instances）](#data-instances)
- [数据字段（Data Fields）](#data-fields)
- [数据划分（Data Splits）](#data-splits)
- [数据集构建（Dataset Creation）](#dataset-creation)
- [构建依据（Curation Rationale）](#curation-rationale)
- [源数据（Source Data）](#source-data)
- [标注信息（Annotations）](#annotations)
- [个人与敏感信息（Personal and Sensitive Information）](#personal-and-sensitive-information)
- [数据集使用注意事项（Considerations for Using the Data）](#considerations-for-using-the-data)
- [数据集的社会影响（Social Impact of Dataset）](#social-impact-of-dataset)
- [偏见讨论（Discussion of Biases）](#discussion-of-biases)
- [其他已知局限性（Other Known Limitations）](#other-known-limitations)
- [附加信息（Additional Information）](#additional-information)
- [数据集策展人（Dataset Curators）](#dataset-curators)
- [许可证信息（Licensing Information）](#licensing-information)
- [引用信息（Citation Information）](#citation-information)
- [贡献声明（Contributions）](#contributions)

## 数据集描述（Dataset Description）

- **主页：** [PubMedQA 官方主页](https://pubmedqa.github.io/)
- **代码仓库：** [PubMedQA 代码仓库](https://github.com/pubmedqa/pubmedqa)
- **学术论文：** [PubMedQA：面向生物医学研究问答的数据集](https://arxiv.org/abs/1909.06146)
- **排行榜：** [PubMedQA 排行榜](https://pubmedqa.github.io/)

### 数据集概述（Dataset Summary）

【需补充更多信息】

### 支持的任务与排行榜（Supported Tasks and Leaderboards）

【需补充更多信息】

### 使用语言（Languages）

【需补充更多信息】

## 数据集结构（Dataset Structure）

### 数据实例（Data Instances）

【需补充更多信息】

### 数据字段（Data Fields）

【需补充更多信息】

### 数据划分（Data Splits）

【需补充更多信息】

## 数据集构建（Dataset Creation）

### 构建依据（Curation Rationale）

【需补充更多信息】

### 源数据（Source Data）

#### 初始数据收集与标准化（Initial Data Collection and Normalization）

【需补充更多信息】

#### 源语言生产者是谁？（Who are the source language producers?）

【需补充更多信息】

### 标注信息（Annotations）

#### 标注流程（Annotation process）

【需补充更多信息】

#### 标注者是谁？（Who are the annotators?）

【需补充更多信息】

### 个人与敏感信息（Personal and Sensitive Information）

【需补充更多信息】

## 数据集使用注意事项（Considerations for Using the Data）

### 数据集的社会影响（Social Impact of Dataset）

【需补充更多信息】

### 偏见讨论（Discussion of Biases）

【需补充更多信息】

### 其他已知局限性（Other Known Limitations）

【需补充更多信息】

## 附加信息（Additional Information）

### 数据集策展人（Dataset Curators）

【需补充更多信息】

### 许可证信息（Licensing Information）

【需补充更多信息】

### 引用信息（Citation Information）

【需补充更多信息】

### 贡献声明（Contributions）

感谢 [@tuner007](https://github.com/tuner007) 贡献此数据集。

原始信息汇总

数据集概述

数据集信息

• 状态: 信息待补充