TwADR-L

Name: TwADR-L
Creator: bigbio
License: cc-by-4.0

社交媒体医学概念规范化数据集，含Twitter文本与SIDER 4本体映射，支持NER和NED任务。

bigbio

Hugging Face

2022-12-22 更新

文本multilinguality:monolinguallanguage:enlicense:cc-by-4.0size_categories:100K<n<1Mmodality:textlibrary:datasetslibrary:mlcroissantregion:us

基本信息

模态

文本

大小

0.57 GB

许可

cc-by-4.0

创建/更新时间

2022-12-22

资源简介

TwADR-L

【数据集背景】

本数据集源站标题为《bigbio/twadrl》。源站首次发布：2022-11-13。

【数据内容】

源站原始描述：- language: - en bigbio_language: - English license: cc-by-4.0 multilinguality: monolingual bigbio_license_shortname: CC_BY_4p0 pretty_name: TwADR-L homepage: bigbio_pubmed: False bigbio_public: True bigbio_tasks: - NAMED_ENTITY_RECOGNITION - NAMED_ENTITY_DISAMBIGUATION - # Dataset Card for TwADR-L ## Dataset Description - **Homepage:** - **Pubmed:** False - **Public:** True - **Tasks:** NER,NED The TwADR-L dataset contains medical concepts written on social media (Twitter) mapped to how the…

文件 bigbiohub.py 为文本内容，开头为：from collections import defaultdict from dataclasses import dataclass from enum import Enum import logging from pathlib import Path from types import SimpleNam…

【数据结构与技术规格】

文件数 2 个，合计 25.17 KB。

【主题与分类】

主题标签：multilinguality:monolingual、language:en、license:cc-by-4.0、size_categories:100K<n<1M、modality:text、library:datasets、library:mlcroissant、region:us。

【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://huggingface.co/datasets/bigbio/twadrl

使用许可：cc-by-4.0。

【使用注意】

· 源站最后修改于 2022-12-22，引用时请注意版本时效。

原始链接

https://huggingface.co/datasets/bigbio/twadrl

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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

数据集获取与加载（Hugging Face datasets）

# 前置依赖: pip install datasets
from datasets import load_dataset

ds = load_dataset("bigbio/twadrl")
print(ds)  # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"

git lfs install &amp;&amp; git clone https://hf-mirror.com/datasets/bigbio/twadrl

仓库文件结构

.gitattributes
README.md
bigbiohub.py
twadrl.py

数据集卡片摘录（源站说明）

language:

en
bigbio_language:
English
license: cc-by-4.0
multilinguality: monolingual
bigbio_license_shortname: CC_BY_4p0
pretty_name: TwADR-L
homepage: https://zenodo.org/record/55013
bigbio_pubmed: False
bigbio_public: True
bigbio_tasks:
NAMED_ENTITY_RECOGNITION
NAMED_ENTITY_DISAMBIGUATION

Dataset Card for TwADR-L

Dataset Description

Homepage: https://zenodo.org/record/55013
Pubmed: False
Public: True
Tasks: NER,NED

The TwADR-L dataset contains medical concepts written on social media (Twitter) mapped to how they are formally written in medical ontologies (SIDER 4).

Citation Information


@inproceedings{limsopatham-collier-2016-normalising,
    title = "Normalising Medical Concepts in Social Media Texts by Learning Semantic Representation",
    author = "Limsopatham, Nut  and
      Collier, Nigel",
    booktitle = "Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)",
    monevent-blocked= aug,
    year = "2016",
    address = "Berlin, Germany",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/P16-1096",
    doi = "10.18653/v1/P16-1096",
    pages = "10141023",
}