获取开源医学文献图片（PubMed）制成数据集

最新推荐文章于 2024-05-21 15:05:46 发布

Kristine的小脚印

最新推荐文章于 2024-05-21 15:05:46 发布

阅读量856

点赞数 1

分类专栏：工程类文章标签：自然语言处理数据挖掘

本文链接：https://blog.csdn.net/qq_36045062/article/details/112426108

版权

本文档介绍如何基于GitHub源代码，通过关键词搜索PubMed获取医学文献图片，形成数据集。涉及步骤包括：搜索关键词、获取文章编号、导出CSV、获取XML或JSON文件，并进一步收集文献中的figure URL。

摘要由CSDN通过智能技术生成

获取关键词（及相关联的近/同义词）
通过关键词搜索文献（key words/abstract/body）
获取文章编号（PMID & PMCID），导出为.csv文件
读取csv文件，通过url获取网络资源生成相应文献的.xml文件（bioC是共享文献数据和标注的一种格式)
(如果没有安装bioc模块)
$ pip install bioc
(如果报错：Cannot uninstall ‘docutils’. …)
$ pip install bioc --ignore-installed
$ python get_bioc.py -i .csv文件 -o 存储.xml文件的文件夹（bioc folder）
读取.csv文件，通过Entrez.efetch()获取相应文献的.json文件（medline文件）
$python get_medline.py -i .csv文件 -o 存储.json文件的文件夹 --email 你的email --api-key 你的api-key number
（如果你需要访问E-Utilities超过一秒三次的频率，就需要

关注