NER与关系抽取标注数据集（Label Studio）
包含药物不良反应、剂量、途径、频次及错误类型的医学文本数据集，用于NER与关系抽取。
基本信息
资源简介
NER与关系抽取标注数据集（Label Studio）
【数据集背景】
本数据集源站标题为《NER + Relation Extraction with Label Studio》。源站首次发布：2025-09-27。
【数据内容】
源站原始描述：This dataset contains medical sentences annotated for Named Entity Recognition (NER) and relation extraction. Annotations include Drugs, Dosage, Route, Frequency, Adverse Effects, Error Types, Severity, and Phases of administration/prescription. Both raw and annotated CSV/JSON files are included. The project was done using Label Studio for annotation. Screenshots of annotated sentences are included for visualization. This dataset can be used for NLP, medical AI, and relation extraction experimen…
【数据结构与技术规格】
文件数 6 个，合计 264.55 KB。
【主题与分类】
主题标签：nlp、artificial intelligence、healthcare、drugs and medications。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/firdoz/ner-relation-extraction-with-label-studio
使用许可：CC0: Public Domain。
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。
需登录公开下载
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。
暂未开放有偿下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("firdoz/ner-relation-extraction-with-label-studio")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d firdoz/ner-relation-extraction-with-label-studio
unzip ner-relation-extraction-with-label-studio.zip -d ner-relation-extraction-with-label-studio/
数据说明
该数据集包含药物不良反应、给药剂量、给药途径、给药频次及错误类型的医学文本数据，用于命名实体识别和关系抽取任务。
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))
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。
