Датасет · ncbi
Биомедицинские цитаты PubMed
ncbi/pubmed
Ежегодная база цитат MEDLINE/PubMed на английском в XML с ежедневными обновлениями.
Что внутри
Более 10 млн, до 100 млн записей цитат MEDLINE/PubMed на английском. NLM выпускает годовую базовую версию в XML каждый декабрь и ежедневные файлы с новыми, изменёнными и удалёнными цитатами. Задачи — генерация текста, fill-mask и классификация.
Что можно сделать
- Обучение биомедицинских LLM
- Классификация статей
- Задачи fill-mask на медицинских текстах
- Задачи
- Генерация текста, Заполнение пропусков, Классификация текста
- Языки
- Английский
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 712
- Лайков
- 174
Модели, обученные на нём
- Simonlee711/Clinical_ModernBERTЭмбеддинги 4,4 тыс.
- microsoft/MediPhi-InstructГенерация текста 2,1 тыс.
- microsoft/MediPhi-PubMedГенерация текста 1,9 тыс.
- microsoft/MediPhiГенерация текста 1,8 тыс.
- mradermacher/MediPhi-i1-GGUF 1 тыс.
- mradermacher/MediPhi-Instruct-i1-GGUF 564
- gabriellarson/MediPhi-Instruct-GGUF 364
- mradermacher/MediPhi-PubMed-GGUF 352
Как загрузить
from datasets import load_dataset
ds = load_dataset("ncbi/pubmed")