Padiweb 自动与人工核验的俄罗斯、北欧和东欧高致病性禽流感疫情文章数据集
该数据集由 Padiweb 多语言文本挖掘软件采集的 Google News 文章构成，聚焦 2020 年和 2021 年俄罗斯、北欧和东欧的高致病性禽流感（HPAI）疫情
基本信息
资源简介
Padiweb 自动与人工核验的俄罗斯、北欧和东欧高致病性禽流感疫情文章数据集
Padiweb collection of automatically and manually verified articles on highly pathogenic avian influenza (HPAI) outbreaks in Russia, Northern Europe, and Eastern Europe
该数据集由 Padiweb 多语言文本挖掘软件采集的 Google News 文章构成，聚焦 2020 年和 2021 年俄罗斯、北欧和东欧的高致病性禽流感（HPAI）疫情。文章涵盖英语、俄语、挪威语、芬兰语和瑞典语，经规范化处理并按事件 HPAI 状态人工标注，共 436 篇；另从相关文章中提取 4 645 个地点名形成独立数据集。V2 版本对所有标签进行了交叉核验。数据可用于文本分类、事件监测和自然语言处理研究（来源 DOI 解析）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：Padiweb 是一款多语言文本挖掘软件，用于收集和分类与动物健康事件相关的 Google News 文章。我们构建了一个数据集，收录 2020 年和 2021 年俄罗斯、北欧和东欧高致病性禽流感（HPAI）疫情相关文章。这些由 Padiweb 以英语、俄语、挪威语、芬兰语和瑞典语收集的文章已经过规范化处理，并根据事件的 HPAI 状态进行了人工标注。对于每篇相关文章，地点名称已被提取到一个特定数据集中。该存储库包括：包含数据库、数据处理（含标注标准和数据字典）完整说明的 Read.me 文件；一个包含 436 篇根据 HPAI 状态人工标注的 Padiweb 文章数据集；一个包含从相关 Padiweb 文章中提取的 4 645 个地点的数据集。在 V2 中，所有标签均已由
【主题与分类】
主题标签：Computer and Information Science、text mining、PADIWEB、event-based surveillance、avian influenza、natural language processing、C30 - Documentation et information。本站分类：感染/流感。
【获取与许可】
源站页面：https://dataverse.cirad.fr/citation?persistentId=doi:10.18167/DVN1/SOQHUX
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
源站：https://doi.org/10.18167/DVN1/SOQHUX
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
Padiweb是一款多语言文本挖掘软件，用于收集和分类与动物健康事件相关的谷歌新闻文章。我们构建了一个数据集，包含2020年和2021年俄罗斯、北欧和东欧高致病性禽流感（HPAI）疫情的相关文章。这些由Padiweb以英语、俄语、挪威语、芬兰语和瑞典语收集的文章，已根据事件的HPAI状态进行了标准化和人工标注。对于每篇相关文章，地点名称已被提取到特定数据集中。该存储库包括：包含数据库、数据处理（包括标注标准和数据字典）完整说明的Read.me文件；一个包含656篇根据HPAI状态人工标注的Padiweb文章数据集；一个包含从相关Padiweb文章中提取的3100个地点的数据集。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。
