ASKIP 非洲健康证据语料库

数据集获取

源站：https://doi.org/10.5281/zenodo.21856653

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 93.2 MB。

数据说明

ASKIP——非洲健康证据语料库（金级，仅事实）v1.2.0 结构化证据条目，提取自非洲生物医学与机构文献——每一条均为单一量化论断，包含其数值、所涉疾病与国家、时间背景，以及回溯至来源出版物的完整溯源链。旨在使非洲健康知识可查询，而非仅可阅读。覆盖42个非洲国家——尼日利亚（13 119）、肯尼亚（10 854）、加蓬（4 880）、喀麦隆（2 607）、马里、布基纳法索、塞内加尔、南非及其他34国。双语——47 348条英文，15 877条法文。

法语区部分是该项目与众不同之处：这种规模的数据在其他地方很少见 主要疾病领域——疟疾（9 001）、HIV/AIDS（5 535）、镰状细胞病（2 618）、糖尿病、COVID-19、结核病、肝炎，以及数百种其他疾病 来源——PubMed、Europe PMC、OpenAlex、HAL、WHO Africa、Africa CDC、各国卫生部、DHS调查 存储库内容 askip_evidences_gold_v1.jsonl / .csv——主文件，63 227行 rdf.zip——865 449条Turtle三元组，带有PROV-O溯源信息，可直接用于SPARQL qa.zip——3 372个问答对，用于LLM评估和微调 croissant.json和schemaorg.jsonld——用于数据集发现的机器可读元数据 14份按国家和疾病划分的语料库描述和11份专题综述 DATA_CARD.md和METHODOLOGY_REPORT.md——完整文档 用例 证据检索——查找某一疾病和某一国家所有已记录的患病率及其来源 知识图谱工作——RDF导出附带实体规范化以及经过整理的概念参照体系 LLM训练与评估——基于可追溯的非洲来源的问答对和结构化断言 卫生系统研究——比较各国已记录的内容，以及

No line has been reviewed b

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。