YufeiHFUT/GDA_with_RAG_similar

---
dataset_info:
features:
- name: pmid
dtype: string
- name: title
dtype: string
- name: abstract
dtype: string
- name: revised_title
dtype: string
- name: revised_abstract
dtype: string
- name: all_entity_list
list:
- name: begin_idx
dtype: string
- name: end_idx
dtype: string
- name: entity_id
dtype: string
- name: entity_type
dtype: string
- name: text_name
dtype: string
- name: head_gene_entity
struct:
- name: begin_idx
dtype: string
- name: end_idx
dtype: string
- name: entity_id
dtype: string
- name: entity_type
dtype: string
- name: text_name
dtype: string
- name: tail_diease_entity
struct:
- name: begin_idx
dtype: string
- name: end_idx
dtype: string
- name: entity_id
dtype: string
- name: entity_type
dtype: string
- name: text_name
dtype: string
- name: label
dtype: string
splits:
- name: test
num_bytes: 11428879
num_examples: 2687
download_size: 2508142
dataset_size: 11428879
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
---

数据集信息：
特征：
- 名称：PubMed编号（PubMed ID, PMID），数据类型：字符串
- 名称：标题（title），数据类型：字符串
- 名称：摘要（abstract），数据类型：字符串
- 名称：修订后标题（revised_title），数据类型：字符串
- 名称：修订后摘要（revised_abstract），数据类型：字符串
- 名称：全实体列表（all_entity_list），数据类型：列表，其内部元素为结构体，包含：
- 起始索引（begin_idx）：字符串类型
- 结束索引（end_idx）：字符串类型
- 实体（entity）ID（entity_id）：字符串类型
- 实体（entity）类型（entity_type）：字符串类型
- 文本名称（text_name）：字符串类型
- 名称：头端基因实体（head_gene_entity），数据类型：结构体，包含：
- 起始索引（begin_idx）：字符串类型
- 结束索引（end_idx）：字符串类型
- 实体（entity）ID（entity_id）：字符串类型
- 实体（entity）类型（entity_type）：字符串类型
- 文本名称（text_name）：字符串类型
- 名称：尾端疾病实体（tail_disease_entity），数据类型：结构体，包含：
- 起始索引（begin_idx）：字符串类型
- 结束索引（end_idx）：字符串类型
- 实体（entity）ID（entity_id）：字符串类型
- 实体（entity）类型（entity_type）：字符串类型
- 文本名称（text_name）：字符串类型
- 名称：标签（label），数据类型：字符串
数据集划分：
- 划分名称：测试集（test），字节大小：11428879，样本数量：2687
下载大小：2508142，数据集总大小：11428879
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分：测试集，路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• pmid: 数据类型 - 字符串
• title: 数据类型 - 字符串
• abstract: 数据类型 - 字符串
• revised_title: 数据类型 - 字符串
• revised_abstract: 数据类型 - 字符串
• all_entity_list: 列表类型，包含以下字段：
  • begin_idx: 数据类型 - 字符串
  • end_idx: 数据类型 - 字符串
  • entity_id: 数据类型 - 字符串
  • entity_type: 数据类型 - 字符串
  • text_name: 数据类型 - 字符串
• head_gene_entity: 结构类型，包含以下字段：
  • begin_idx: 数据类型 - 字符串
  • end_idx: 数据类型 - 字符串
  • entity_id: 数据类型 - 字符串
  • entity_type: 数据类型 - 字符串
  • text_name: 数据类型 - 字符串
• tail_disease_entity: 结构类型，包含以下字段：
  • begin_idx: 数据类型 - 字符串
  • end_idx: 数据类型 - 字符串
  • entity_id: 数据类型 - 字符串
  • entity_type: 数据类型 - 字符串
  • text_name: 数据类型 - 字符串
• label: 数据类型 - 字符串

数据集分割

• test:
  • 字节数: 11428879
  • 示例数: 2687

数据集大小

• 下载大小: 2508142字节
• 数据集大小: 11428879字节

配置

• config_name: default
  • data_files:
    • split: test
      • path: data/test-*