DiaKG: 糖尿病知识图谱数据集

【使用说明】

1、本数据集来源于公开发表的41篇糖尿病指南和共识，涵盖了近年来最广泛的研究内容和热点领域，是构建糖尿病知识库的权威资源；

2、本数据集只可以用于自然语言处理的学术科研，不可用于商业目的。

本数据集标注由两位经验丰富的内分泌专家设计了标注指南。本指南侧重于“实体”和“关系”，共定义了18类实体类型和15类医学关系。数据集共包含22050个实体和6890个关系。

相比其他医疗数据集，DiaKG有以下两个特点：

1.实体数据可能由很长的序列span组成，如实体“发病机理(pathogenesis)”平均长度是10.3个中文字符，对常规的NER模型是个挑战；

2.组成关系的两个实体跨句子分布，平均跨句长度为2.3，头尾实体跨句子分布是关系抽取任务的难点，也是近年来的关系抽取的研究热点。

希望DiaKG的推出能进一步推动中文医学文本信息抽取技术的发展。有关DiaKG更详细的信息，请参考CCKS 2021上录用发表的论文“DiaKG: an Annotated Diabetes Dataset for Medical Knowledge Graph Construction”。

Data and Resources

Additional Info

Field Value
Author 妙健康，阿里云
Maintainer 刘利平
Last Updated اوت 2, 2021, 07:17 (UTC)
Created اوت 2, 2021, 07:17 (UTC)