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.本说明用于介绍CoronaCentral数据集（CoronaCentral）的输出文件。用于生成该文件的脚本托管于corona-ml的GitHub代码仓库中。该数据集的原始文档数据源为PubMed数据库（PubMed）与CORD-19数据集（CORD-19）。该文件为经gzip压缩的JSON格式文档，每份文档对应一条记录。每份文档至少包含以下标识之一：PubMed编号、CORD-19编号（cord_uid）、数字对象标识符（Digital Object Identifier，DOI）或统一资源定位符（Uniform Resource Locator，URL）。 文档应包含的字段如下： - 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，可选） - cord_uid: CORD-19标识符（可选） - url: 统一资源定位符（Uniform Resource Locator，可选） - 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: 文章预测分类标签 - entities: 提取得到的实体（例如药物），包含其标识符与在文本中的位置信息 若发现任何问题，请前往corona-ml的GitHub问题反馈页面提交。