PubMedQA数据集分享

最新推荐文章于 2024-03-13 09:55:19 发布
最新推荐文章于 2024-03-13 09:55:19 发布
阅读量358 收藏 7
点赞数 8
分类专栏： 自然语言数据集分享 文章标签： 大模型数据集 自然语言处理 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yinizhilianlove/article/details/136571494
版权

来源: AINLPer公众号（每日干货分享！！）
编辑: ShuYini
校稿: ShuYini
时间: 2024-2-28

在这里插入图片描述

该数据集由匹兹堡、卡内基梅隆等大学提出，它是第一个需要对生物医学研究文本进行推理，特别是其定量内容的问答数据集。该数据集包括以下三个不同的子集：PubMedQA Labeled (PQA-L)：这个子集包含了从 PubMed 文章中收集的 1,000 个手动注释的是/否/可能的问答数据 。PubMedQA Artificial (PQA-A)：这个子集包含了 211,300 个 PubMed 文章，根据论文标题自动生成的问题和使用简单启发式方法生成的是/否答案标签 。PubMedQA Unlabeled (PQA-U)：这个无标签的子集包含了从 PubMed 文章中收集的 61,200 个上下文-问题对数据 。

这个数据集的主题分布涵盖了广泛的研究领域，包括回顾性、前瞻性和队列研究，不同年龄组，以及与医疗保健相关的主题，比如治疗结果、预后和疾病风险因素。

相关数据集与论文获取，GZ： AINLPer公众号 回复：PMQA数据集

AINLPer
关注
  • 8
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
PubMedQA Dataset-数据集
03-04
The dataset is for Biomedical Research Question Answering pubmedqa_datasets.txt
探索《Chinese Medical QA Data》：医疗问答数据集的新里程碑
最新发布
gitblog_00040的博客
04-20 282
探索《Chinese Medical QA Data》：医疗问答数据集的新里程碑 项目地址:https://gitcode.com/flyyuan/Chinese-Medical-QA-Data 项目简介 在机器学习和自然语言处理（NLP）领域中，高质量的数据集是模型训练和算法优化的关键。Chinese Medical QA Data 是一个专为中文医学领域设计的问答数据集，旨在推动医疗信息检索、...
PubMedQA生物医学研究问题解答数据集（2019）下载
机器学习是魔鬼的博客
07-07 1556
PubMedQA是从PubMed摘要中收集的新颖的生物医学问答（QA）数据集。PubMedQA的任务是使用相应的摘要以是/否/可能的方式回答研究问题（例如：术前他汀类药物是否能减少冠状动脉搭桥术后的房颤？）。 PubMedQA具有1k专家注释，61.2k未标记和211.3k人工生成的QA实例。每个PubMedQA实例均由 （1）一个问题（既可以是现有研究文章的标题，又可以是从其中得出的问题）组成； （2）上下文是没有其结论的相应摘要； （3）长答案，即摘要，大概可以回答研究问题； （4）是/否/也许是答案.
一篇综述洞悉医学大型语言模型的原理，应用和挑战
TechBeat人工智能社区博客
01-17 1389
在过去的一年中，随着 GPT-4、LLaMA、Mistral，PaLM 等先进技术的突飞猛进，大型语言模型（Large Language Models）已经引领全球人工智能进入了一个全新的基础模型时代，这一时代不仅开启了技术创新的新篇章，也彻底重塑了各行各业的运作模式。特别是在医疗领域，这些变革显得尤为突出。医疗领域不仅是全球各国竞相投资的重点研究领域，而且与一个国家的医疗水平和综合国力密切相关。在这样的背景下，大型语言模型在医疗领域究竟能带来怎样的变革和影响？
大语言模型数据集（三）
babyzbb636的博客
10-19 547
在医疗领域，数据并不只是来自患者健康记录、医嘱条目和医生处方。事实上，目前已有数百万人通过家用工具包将他们的基因信息上传到商业数据库。医疗的相关的数据成为越来越重要的资源。NLP可以将人类语言翻译成机器可读的形式，允许机器从提供的数据中获得意义。医疗领域正使用NLP工具控制数据，这些数据的存储形式包括语音、文本、象形文字、照片等其他，通过它们得出有用结论。自然语言处理（NLP）技术这种颠覆性技术在医疗行业的使用，很好的辅助了医疗工作者，促进了医疗行业的发展。
图数据集Planetoid御三家：Cora，CiteSeer，PubMed详解
诸神缄默不语的博客
10-11 1万+
本文介绍经典图数据集：Cora，CiteSeer，PubMed
图网络常用数据集总结——Cora, CiteSeer, PubMed, PPI, BlogCatalog, Yelp
weixin_43580130的博客
05-06 1万+
Cora数据集(引文网络)由机器学习论文组成，是近年来图深度学习很喜欢使用的数据集。该数据集共2708个样本点，每个样本点都是一篇科学论文，所有样本点被分为8个类别，类别分别是： 1）基于案例；2）遗传算法；3）神经网络；4）概率方法；5）强化学习；6）规则学习；7）理论 每篇论文都由一个1433维的词向量表示，所以，每个样本点具有1433个特征。词向量的每个元素都对应一个词，且该元素只有0或1两个取值。取0表示该元素对应的词不在论文中，取1表示在论文中。所有的词来源于一个具有1433个词的字典。 每篇论文
图神经网络基础--数据完全存于内存的数据集类
发呆的比目鱼的博客
09-27 623
图神经网络基础--数据完全存于内存的数据集类
GCN使用的数据集Cora、Citeseer、Pubmed、Tox21格式
热门推荐
知行合一，止于至善
09-14 3万+
文章目录Cora、Citeseer、Pubmed以Cora为例数据格式示例Tox21 数据集 本文分享一下图卷积网络GCN里用到的一些数据集的格式 Cora、Citeseer、Pubmed 数据集 来源 #图 #节点 #边 #特征 #标签(y) Cora “Collective classification in network data,” AI magazine,2008 1 ...
生物领域简单调研
Hekena的博客
08-17 501
请注意，Peng等人[45]放弃了一个由272个摘要组成的控制子集，这些摘要没有讨论任何癌症标志（即所有二元标签都是假的）。循证医学语料库[44]包含了PubMed中关于临床试验的摘要，每个摘要都用PICO中的P、I和O来注释：参与者（如糖尿病患者）、干预（如胰岛素）、比较者（如安慰剂）和结果（如血糖水平）它包含了对PubMed摘要的注释，带有二进制标签，每个标签都标志着对一个特定的癌症标志的讨论。请注意，与SciBERT一起发布的数据集似乎从较大的跨度（例如，前面提到的参与者跨度）中删除了重叠的词。...
pubmed-rct：PubMed 200k RCT数据集：用于顺序句子分类的大型数据集
02-03
pubmed-rct：PubMed 200k RCT数据集：用于顺序句子分类的大型数据集
一文带你详解天池医疗数据集
gangyikeji的博客
03-13 374
CBLUE：中文医疗信息处理评测基准，是由中国中文信息学会医疗健康与生物信息处理专业委员会在合法开放共享的理念下发起，由阿里云天池平台承办医疗自然语言处理评测基准，旨在推动中文医学NLP技术和社区的发展。与此同时，阿里云天池平台也积极推动产学研的共同进步，开源了多个本地生活领域的数据集，如aBeacon（室内定位）、ALWAES（POI校准）、RL-Dispatch（物流调度）等多个来源于真实场景的脱敏数据集，与全球学者/科研人员共享技术成果。
蚂蚁集团联合上海仁济医院泌尿科发布国内首个临床专科推理数据集：RJUA-QA
金融机器智能社区
01-03 1059
详细介绍数据集的构建过程、特点及统计分析，并全面评测了行业和通用大模型在该数据集上的性能，后续团队将持续优化数据集，为人工智能在医疗领域的研究与应用提供有力支持。
【深度学习：构建医学图像】如何构建医学图像的 QA 工作流程
欢迎来到最优秀的博客
01-15 862
遗漏的注释将导致无法估计真实的模型性能，因此机器学习团队需要帮助医生理解为什么他们需要进行详尽的标记，这更加耗时，并且与他们的常规临床工作不同。机器学习或数据工程团队中的任何人都不应实际访问这些数据，因为当获得监管部门批准时，公司将必须进行临床研究，而这样做将需要使用未曾见过的未触及的数据由模型或任何从事模型工作的人。例如，如果三名医生将肿块的图像解读为非癌性，但随后的活检显示该肿块是癌性的，那么该图像的基本事实实际上是“癌性的”。包括一些好的注释和差的注释的图片作为应该做什么和不应该做什么的示例。
GraphSAGE
weixin_65191557的博客
09-06 746
本文介绍了GraphSAGE框架及其两个组成部分——邻接节点采样算法和三个聚合算子。邻接节点采样是GraphSAGE在短时间内处理大型图的核心。它还负责归纳设置，这允许它将预测推广到看不见的节点和图。我们在PubMed上测试了一种转换情况，并在PPI数据集上测试了一种感应情况，以执行一种新的任务-多标签分类。虽然不如GCN或GAT准确，但GraphSAGE是处理大量数据的流行且高效的框架。
【PubMed】生物医学文献数据库检索指南
weixin_56463218的博客
08-14 5149
1、自己需要查找的文章的关键词2、拓展每个关键词的大意，达到多词一意3、检索论文时选择3个关键词进行大范围搜索，使用适当的布尔运算符（如AND、OR、NOT）来组合关键词。每输入一个关键词和布尔运算符时query box就会自动显示pubmed检索语句，这个语句很重要，基本上数据库进行搜索时的标准规范语言就是它。
GNN图神经网络常用数据集总结
争取早日成为硅农
12-23 7921
图神经网络（Graph Neural Network，GNN）是一种新兴的神经网络模型，适用于处理图数据。与传统的神经网络模型不同，GNN 能够有效地捕捉节点之间的结构信息和关系，并对节点进行精准的分类、聚类和预测分析。因此，GNN 在社交网络、生物信息学、推荐系统、物联网等领域得到了广泛的应用。为了研究和评估 GNN 的性能，需要使用各种不同类型的数据集。这些数据集包含了不同领域的实际问题，例如社交网络中的用户关系、生物学中的蛋白质分子结构、推荐系统中的用户行为等。
dataframe pandas 取得当前时间段的后一个时间点数据
a5601564的博客
09-28 2151
数据从星期一到星期五的日线数据形成周线数据，然后想定位到所对应的周线数据的情况，就可以通过 backfill参数实现。 data_day_df.index.get_loc(current_kline.open_time, method='backfill') open_time为当前的日线级数据。运算后得到周线数据。 ...
中文医疗领域自然语言处理相关数据集、经典论文资源蒸馏分享
lqfarmer的博客
10-03 3119
在医疗领域，一些应用已经从科幻小说变为现实。人工智能系统通过了中国和英国的医学执照考试 ，而且它们比普通医生考得更好。最新的系统比初级医生能更好地诊断出55种儿科疾病。但是，这些系统比第一批计算机视觉深度学习应用（例如研究一个图像）中的一些更难构建，因为它们需要具有更广泛常见的医学知识，要处理更多种类的输入，并且必须理解上下文。 中文NLP数据免费下载地址：https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&mid=2247...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值