К содержимому

Датасет · owaiskha9654

Научные статьи PubMed для мультилейбл-классификации

owaiskha9654/PubMed_MultiLabel_Text_Classification_Dataset_MeSH

Около 50 тысяч англоязычных медицинских статей из PubMed с ручной экспертной разметкой по иерархии терминов MeSH.

Что внутри

Датасет содержит около 50 тысяч научных публикаций на английском языке из репозитория PubMed, представленных в текстовом и табличном форматах. Изначально эксперты в области биомедицины вручную присвоили каждой статье от 10 до 15 тематических меток MeSH. Чтобы снизить разреженность данных и слишком большое пространство классов, авторы обработали метки и привели их к корневым категориям.

Что можно сделать

  • Обучение моделей мультилейбл-классификации научных и биомедицинских текстов
  • Построение систем автоматической индексации и тематического поиска медицинских статей
Задачи
Классификация текста
Языки
Английский
Размер
10K–100K записей
Скачиваний за месяц
1,2 тыс.
Лайков
41

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("owaiskha9654/PubMed_MultiLabel_Text_Classification_Dataset_MeSH")