数据集概述
本数据集为生物医学自然语言处理任务提供工具包，包含COVID-19相关的英文词典、标注语料库及代码工作流。词典覆盖疾病、病毒、变异株等术语，用于从CORD-19数据集提取信息，构建大型银标准语料库，辅以人工标注的金标准语料库，支持命名实体识别等文本分析任务。
文件详解
- Supplemental_file1.txt：文本文件，可能包含COVID-19相关术语词典内容
- Supplemental_file2.txt：文本文件，包含疾病相关术语列表（如“corona acute disease”等）
- Supplemental_file3.txt：文本文件，可能包含病毒变异株或突变相关术语
- Supplemental_file4.txt：文本文件，可能包含其他生物医学实体术语
- Supplemental_file5.zip：压缩文件，可能包含代码或工作流相关资源
- Supplemental_file6.zip：压缩文件，可能包含语料库构建或标注相关资源
- Supplemental_file7.txt：文本文件，可能包含实体类型定义或标注指南
- Supplemental_file8.xml：XML文件，可能存储语料库元数据或标注结构
- Supplemental_file9.json：JSON文件，可能包含词典或语料库的结构化数据
- Supplemental_file10.csv：CSV文件，包含人工标注的金标准语料库数据，字段包括pmid（PubMed ID）、type（标注类型）、id（实体ID）、entity_type（实体类型，如Virus_SARS-CoV-2）、text（实体文本）、location/reference（位置/参考）、infon（附加信息）
- Supplemental_file11.zip：压缩文件，可能包含工具包完整代码或示例工作流
适用场景
- 生物医学文本挖掘：用于COVID-19相关文献、报告的命名实体识别与信息提取
- 知识图谱构建：支持COVID-19领域知识图谱的自动构建与更新
- 术语演化研究：分析疫情期间COVID-19相关术语的演变与变异趋势
- NLP工具开发：用于训练和评估生物医学领域的大语言模型或命名实体识别模型
- 共现分析：探究疾病、病毒、症状等实体之间的关联关系
