数据集】NCBI疾病数据集"/>
【NLP公开数据集】NCBI疾病数据集
NCBI疾病数据集是一个在提及和概念层面进行全面标注的数据集。
数据包含：
- 793篇摘要
- 2783个句子
- 6892个疾病mention
- 790个唯一疾病概念
– 医学主题词【Medical Subject Headings (MeSH®)】
– 人类孟德尔遗传学【Online Mendelian Inheritance in Man (OMIM®)】 - mention表中的91%都由一个疾病概念一一对应，分成训练集、验证集和测试集
数据标注：
- 14个标注人员
- 每个文档都有2个标注人员（随机分配）
- 3个标注阶段
- 检查所有语料的一致性
数据分布情况如下：
| Classes | Train set | Test set | Dev set |
|---|---|---|---|
| Modifiers | 1292 | 264 | 218 |
| Specific Disease | 2959 | 556 | 409 |
| Composite Mentions | 116 | 20 | 37 |
| Disease Class | 781 | 121 | 127 |
用途：
可以用于实体识别实验，常用于疾病实体识别研究。
参考文献：
[1] /
更多推荐
【NLP公开数据集】NCBI疾病数据集
发布评论