CoronaCentral

This describes the output file for the CoronaCentral data. The scripts used to create it are hosted in the corona-ml Github repo. The sources for the documents before processing for CoronaCentral are PubMed and CORD-19. The file is a gzipped JSON document containing one record per document. Each document has at least one of: a PubMed ID, a CORD-19 ID (cord_uid), a DOI or a URL. The fields that documents should have are: pubmed_id: PubMed identifier (optional) pmcid: PubMed Central identifier (optional) doi: Digital object identifier (optional) cord_uid: CORD-19 identifier (optional) url: URL journal: Journal/preprint server publish_year: Year of publication (optional) publish_month: Month of publication (optional) publish_day: Day of publication (optional) title: Title of article abstract: Abstract of article (optional) is_preprint: Whether the article is a preprint categories: Predicted categories for article entities: Extracted entities (e.g. drugs) with identifiers and locations within text Please report issues to the corona-ml Github issues page.本说明文档针对CoronaCentral数据集的输出文件。用于生成该文件的脚本托管于corona-ml的GitHub仓库中。 CoronaCentral预处理阶段所使用的文档来源为PubMed与CORD-19。该文件为经gzip压缩的JSON文档，每一条记录对应一篇文档。 每篇文档至少包含以下一类标识：PubMed ID、CORD-19 ID（cord_uid）、DOI或URL。 文档应具备以下字段： pubmed_id: PubMed标识符（可选） pmcid: PubMed Central标识符（可选） doi: 数字对象标识符（Digital Object Identifier，DOI）（可选） cord_uid: CORD-19标识符（可选） url: 链接地址 journal: 期刊/预印本服务器 publish_year: 发表年份（可选） publish_month: 发表月份（可选） publish_day: 发表日期（可选） title: 文章标题 abstract: 文章摘要（可选） is_preprint: 标识文章是否为预印本 categories: 文章的预测分类标签 entities: 提取得到的实体（如药物），包含实体标识符及其在文本中的位置信息 若需反馈问题，请前往corona-ml的GitHub仓库问题提交页面。