互联网档案馆药物警戒推文数据集
包含约118万条药物相关推文的数据集，用于药物警戒和不良反应识别研究，来源于互联网档案馆。
基本信息
模态
文本
创建/更新时间
2020-03-31
资源简介
该数据集由乔治亚州立大学创建，从互联网档案馆的94亿条推文中筛选出1,181,993条与药物使用相关的推文，用于药物警戒研究。数据模态为文本，主要任务包括识别药物不良反应（ADR），旨在训练机器学习和深度学习模型以提升药物安全性评估效率。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
git clone https://github.com/thepanacealab/InternetArchive-PharmacovigilanceTweets.git
curl -L -o repo.zip https://github.com/thepanacealab/InternetArchive-PharmacovigilanceTweets/archive/refs/heads/main.zip
unzip repo.zip
数据说明
该数据集由乔治亚州立大学创建，从互联网档案馆的94亿条推文中筛选出1,181,993条与药物使用相关的推文，用于药物警戒研究。数据模态为文本，主要任务包括识别药物不良反应（ADR），旨在训练机器学习和深度学习模型以提升药物安全性评估效率。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
完整仓库：github.com/thepanacealab/InternetArchive-PharmacovigilanceTweets
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
