PubMed-Cancer-NLP-Textual-Dataset
从PubMed获取的癌症相关文本数据集，包含标题和摘要，带标签，用于NLP任务。
基本信息
资源简介
PubMed-Cancer-NLP-Textual-Dataset
【数据集背景】
本数据集源站标题为《cyberpsych/PubMed-Cancer-NLP-Textual-Dataset》。源站首次发布：2024-11-28。
【数据内容】
源站原始描述：# PubMed-Cancer-NLP-Textual-Dataset This dataset has been obtained from PubMed for research purposes. README will be updated with time. ## Dataset Details ### Dataset Description It has multiple cancer samples with labels with their title and abstract from PubMed Repository. - **Curated by:** Om Aryan ### Dataset Sources - **Repository:**
【数据结构与技术规格】
文件数 10 个，合计 87.67 MB。
【主题与分类】
主题标签：task_categories:feature-extraction、language:en、license:apache-2.0、size_categories:10K<n<100K、format:csv、modality:tabular、modality:text、library:datasets、library:dask、library:mlcroissant。
【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/cyberpsych/PubMed-Cancer-NLP-Textual-Dataset
使用许可：apache-2.0。
【使用注意】
· 源站最后修改于 2024-12-01，引用时请注意版本时效。
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("cyberpsych/PubMed-Cancer-NLP-Textual-Dataset")
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 && git clone https://hf-mirror.com/datasets/cyberpsych/PubMed-Cancer-NLP-Textual-Dataset
数据说明
该数据集从PubMed获取，用于研究目的。它包含多个癌症样本，每个样本都有标签，并包含从PubMed Repository获取的标题和摘要。数据模态为文本，适用于自然语言处理（NLP）任务，如文本分类或信息抽取。
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))
完整数据卡：huggingface.co/datasets/cyberpsych/PubMed-Cancer-NLP-Textual-Dataset
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。
