bio-datasets/e3c

欧洲临床案例语料库（E3C）项目旨在收集和注释五种欧洲语言（西班牙语、巴斯克语、英语、法语和意大利语）的大量临床文档，并将免费分发。注释包括时间信息，以允许对时间序列进行推理，以及基于医学分类的临床实体信息，用于语义推理。

The European Clinical Case Corpus (E3C) project aims to collect and annotate a large volume of clinical documents in five European languages: Spanish, Basque, English, French and Italian, and will be freely distributed. The annotations include temporal information to enable reasoning over temporal sequences, as well as clinical entity information based on medical classifications for semantic reasoning.

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• document_id: 整数类型（int32）
• text: 字符串类型
• passages: 列表类型，包含：
  • id: 字符串类型
  • text: 字符串类型
  • offsets: 整数列表（int32）
• entities: 列表类型，包含：
  • id: 字符串类型
  • type: 字符串类型
  • text: 字符串类型
  • offsets: 整数列表（int32）
  • semantic_type_id: 字符串类型
  • role: 字符串类型
• relations: 列表类型，包含：
  • id: 字符串类型
  • type: 字符串类型
  • contextualAspect: 字符串类型
  • contextualModality: 字符串类型
  • degree: 字符串类型
  • docTimeRel: 字符串类型
  • eventType: 字符串类型
  • permanence: 字符串类型
  • polarity: 字符串类型
  • functionInDocument: 字符串类型
  • timex3Class: 字符串类型
  • value: 字符串类型
  • concept_1: 字符串类型
  • concept_2: 字符串类型

数据集配置名称

• config_name: e3c_source

数据集分割

• en.layer1: 1645819字节，84个样本
• en.layer2: 881290字节，171个样本
• en.layer2.validation: 101379字节，19个样本
• en.layer3: 7672589字节，9779个样本
• es.layer1: 1398186字节，81个样本
• es.layer2: 907515字节，162个样本
• es.layer2.validation: 103936字节，18个样本
• es.layer3: 6656630字节，1876个样本
• eu.layer1: 2217479字节，90个样本
• eu.layer2: 306291字节，111个样本
• eu.layer2.validation: 95276字节，10个样本
• eu.layer3: 4656179字节，1232个样本
• fr.layer1: 1474138字节，81个样本
• fr.layer2: 905084字节，168个样本
• fr.layer2.validation: 101701字节，18个样本
• fr.layer3: 457927491字节，25740个样本
• it.layer1: 1036560字节，86个样本
• it.layer2: 888138字节，174个样本
• it.layer2.validation: 99549字节，18个样本
• it.layer3: 86243680字节，10213个样本

数据集大小

• download_size: 230213492字节
• dataset_size: 575318910字节