摘要：该数据集是面向慢性阻塞性肺疾病（COPD）表型信息抽取构建的医学文本语料库，由30篇完整科研论文组成，经专家人工标注了27,030个表型相关概念提及。
数据集概述
该数据集是面向慢性阻塞性肺疾病（COPD）表型信息抽取构建的医学文本语料库，由30篇完整科研论文组成，经专家人工标注了27,030个表型相关概念提及。语料不仅标注完整的COPD表型描述，还标注其中涉及的解剖部位、药物、治疗、疾病、体征和症状等细粒度概念，多数实体已自动链接至UMLS元词库。
数据结构与关键特征
数据集划分为train、dev和test三个目录，每个目录包含按论文段落保存的TXT原文文件及同名ANN标注文件，并提供用于brat标注系统的annotation.conf、visual.conf和tools.conf配置文件。ANN文件使用字符偏移记录命名实体的类别和文本范围，同时通过标准化记录将实体链接至UMLS概念标识符；其突出特征是支持实体嵌套，可同时表示外层表型短语及内部医学概念。
应用价值与研究方向
该数据集可用于COPD表型命名实体识别、嵌套实体抽取、医学概念标准化、UMLS实体链接和临床知识图谱构建，也适合训练分层BiLSTM-CRF、Transformer及医学预训练语言模型。研究成果可支持表型文献检索、治疗反应分析、风险因素发现和精准医学研究，并可迁移至其他疾病的细粒度表型信息抽取任务。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-669
文件大小：1.9M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)