GutBrainIE 2025 肠脑互作信息抽取数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.16845408

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 11.2 MB。

数据说明

GutBrainIE 2025 – 肠脑相互作用信息抽取 @ CLEF 2025 数据集描述 近期研究将肠道微生物群与心理健康状况以及帕金森病和阿尔茨海默病等神经退行性疾病联系起来。然而，该研究领域的快速发展给临床医生和研究人员带来了重大挑战，他们必须跟上不断扩大的生物医学文献数量。在此背景下，用于从科学文本中提取和结构化信息的自动工具对于支持理解肠脑轴正变得至关重要。GutBrainIE 促进开发能够从与肠脑轴相关的生物医学文本中提取结构化专业知识的自然语言处理（NLP）系统，旨在通过自动化信息抽取（IE）加速生物医学发现。支持的任务 GutBrainIE 提出了四项复杂度递增的任务：命名实体识别（NER）：系统必须识别特定文本片段（实体提及）并将其分类为13个预定义类别之一（例如，细菌、化学物质、微生物群）。

基于二元标签的关系抽取（BT-RE）：系统被提供一组预定义的关系类型，每种关系类型由兼容的头实体和尾实体的组合定义（例如，化学物质 -> 微生物组，通过影响或产生），并要求识别文档中哪些实体之间存在关系，而无需指定确切的关系谓词或涉及的实体提及。基于三元标签的关系抽取（TT-RE）：此任务扩展了BT-RE，要求参与者预测连接每个头尾实体对的具体关系谓词。基于三元提及的关系抽取（TM-RE）：这是最具挑战性的任务，要求识别关系中涉及的确切实体提及，并分配正确的关系谓词。

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。