瑞金医院糖尿病数据集

数据集描述

数据集来源于中文糖尿病领域权威期刊，数据包括基础研究、临床研究、药物使用、临床病例、诊治方法等多个方面，时间跨度达到7年，涵盖了近年来糖尿病领域最广泛的研究内容和热点。数据集的标注者都具有医学背景。依托于该数据集，包括医生、科研人员、企业开发者就能开展用于临床诊断的知识库，知识图谱，辅助诊断等产品开发，进一步探索研究糖尿病的奥秘。

此数据集旨在通过糖尿病相关的教科书、研究论文来做糖尿病文献挖掘并构建糖尿病知识图谱。

数据说明

数据集中共两种类型的文档，txt和ann文件。其中：
一.txt文件为原始文档，举个栗子：
“糖尿病周围神经病诊断和治疗共识
中华医学会神经病学分会肌电图与临床神经电生理学组
中华医学会神经病学分会神经肌肉病学组
糖尿病周围神经病(diabetic peripheral neuropathy,DPN)
是糖尿病的常见并发症,临床表现包括……”

二.ann文件为标注信息，数据对应列名如下图：

标注实体id		实体类别	起始位置	终止位置		实体对应的文档中的词
T1		Disease	108	113		2型糖尿病
…		…	…	…		…

实体标注格式，分三列，以tab分割：
a）第一列为实体id，以字符T开始，后接数字，如“T16”，该id在同个文件中唯一；
b）第二列为实体的位置坐标以及类别，由三部分组成，以空格分割；

• 第一部分为实体类别，如“Disease”；
• 第二部分为实体起始位置，如“100”；
• 第三部分为实体终止位置，如“110”。对于存在换行现象的实体，则以分号分割实体在两行的位置，如“Disease 18 20;21 25”表示该实体起始位置为18到25，在20的位置换行。

c）第三列为实体对应的文字，如“I型糖尿病”。