BAND (生物医学警报新闻数据集)
BAND数据集包含1508个新闻和警报样本及30个流行病学问题，用于疾病监测和NLP任务。
基本信息
模态
文本
创建/更新时间
2023-10-15
资源简介
BAND数据集由剑桥大学语言技术实验室和麦吉尔大学全球健康学院共同创建，包含1508个样本，来自新闻文章、公开邮件和警报，以及30个流行病学相关的问题。该数据集旨在通过分析新闻和社交媒体数据改善疾病监测和理解疾病传播，适用于流行病学家和NLP研究者，支持命名实体识别、问答和事件抽取等任务。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
git clone https://github.com/fuzihaofzh/BAND.git
curl -L -o repo.zip https://github.com/fuzihaofzh/BAND/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Usage
Question Answering
Run Decoder-Only Model
./scripts/train_lm.sh lmrand base
Run Encoder-Decoder Model
./scripts/train_seq2seq.sh band_rand ptm=t5
Event Extraction
Run Encoder-Decoder Model
./scripts/train_outbreak.sh
Run Decoder-only Model
python train_lm.py name "gpt2"
Named Entity Recognition
Run Token-Based NER Model
./scripts/run_token_ner.sh
Run CRF-Based NER Model
./scripts/run_crf_ner.sh
Run Span-Based NER Model
./scripts/run_span_ner.sh
Citation
If you find our dataset or paper useful, please cite our work:
@inproceedings{band2024,
title={BAND: Biomedical Alert News Dataset},
author={Fu, Zihao and Zhang, Meiru and Meng, Zaiqiao and Shen, Yannan and Buckeridge, David and Collier, Nigel},
booktitle={Proceedings of the AAAI Conference on Artificial Intelligence},
year={2024}
}
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))
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 感染性疾病 的高质量、多模态真实临床数据定制解决方案。
