TBGA基因疾病关联生物医学关系抽取数据集

数据集概述

该数据集为TBGA，是用于基因-疾病关联（GDA）抽取的大规模半自动标注数据集，包含训练、验证、测试集文本文件及关系名称与ID映射的JSON文件，每条记录对应从句子中提取的单个GDA，以JSON对象结构存储相关信息。

文件详解

• 数据集压缩包: TBGA.zip，ZIP格式，包含TBGA文件夹及内部所有文件
• 训练集文本文件: 对应训练集数据，每条记录为JSON对象，包含text（源句子）、relation（关联关系名称）、h（基因实体，含id、name、pos字段）、t（疾病实体，含id、name、pos字段）
• 验证集文本文件: 结构同训练集，对应验证集数据
• 测试集文本文件: 结构同训练集，对应测试集数据
• 关系映射JSON文件: 存储关系名称与ID的映射关系

适用场景

• 生物医学关系抽取模型训练与评估
• 基因-疾病关联知识图谱构建
• 生物医学文本挖掘算法研究
• 生物医药领域信息抽取应用开发