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.本文件为CoronaCentral数据集的输出文件。用于生成该文件的脚本托管于corona-ml GitHub仓库中。在为CoronaCentral进行预处理前，相关文档的来源为PubMed（PubMed）与CORD-19（CORD-19）。该文件为经gzip压缩的JSON文档，每份文档对应一条记录。每份文档至少包含以下标识符或链接之一：PubMed标识符（PubMed ID）、CORD-19标识符（cord_uid）、数字对象标识符（DOI）或统一资源定位符（URL）。 文档应包含以下字段： 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，可选） cord_uid：CORD-19标识符（可选） url：统一资源定位符（URL） 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：用于标识文章是否为预印本的字段 categories：文章的预测分类 entities：已提取的实体（如药物），包含实体标识符及其在文本中的位置信息 若发现问题，请提交至corona-ml GitHub仓库的议题页面。