bigbio/tmvar_v3

该数据集包含500篇PubMed文章，这些文章手动注释了各种类型的突变提及，并为每个提及提供了dbsnp标准化。此外，数据集还包含变体标准化选项，如来自ClinGen Allele Registry的等位基因特定标识符。该数据集可用于命名实体识别（NER）和命名实体消歧（NED）任务，但没有提供数据分割。This dataset contains 500 PubMed articles, each of which has been manually annotated with various types of mutation mentions and assigned with dbSNP normalization for every single mention. Additionally, the dataset also provides variant normalization options, including allele-specific identifiers from the ClinGen Allele Registry. This dataset can be utilized for Named Entity Recognition (NER) and Named Entity Disambiguation (NED) tasks, but no data splits are provided.

原始信息汇总

数据集概述：tmVar v3

基本信息

• 语言: 英语
• 许可证: 未知
• 多语言性: 单语
• 数据集名称: tmVar v3
• 主页: https://www.ncbi.nlm.nih.gov/research/bionlp/Tools/tmvar/
• PubMed可用性: 是
• 公开可用性: 是
• 任务类型: 命名实体识别（NER）、命名实体消歧（NED）

数据集描述

• 内容: 包含500篇PubMed文章，手动标注了各种突变提及及其dbsnp归一化。此外，还包括来自ClinGen Allele Registry的变异归一化选项。
• 用途: 适用于NER和NED任务。
• 特点: 无数据分割。

引用信息

@misc{https://doi.org/10.48550/arxiv.2204.03637, title = {tmVar 3.0: an improved variant concept recognition and normalization tool}, author = { Wei, Chih-Hsuan and Allot, Alexis and Riehle, Kevin and Milosavljevic, Aleksandar and Lu, Zhiyong }, year = 2022, publisher = {arXiv}, doi = {10.48550/ARXIV.2204.03637}, url = {https://arxiv.org/abs/2204.03637}, copyright = {Creative Commons Attribution 4.0 International}, keywords = { Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences } }

搜集汇总

背景与挑战

背景概述

tmVar v3数据集包含500篇手动标注的PubMed文章，专注于突变提及和dbsnp标准化，并整合ClinGen等位基因注册表以支持变体标准化。该数据集适用于命名实体识别（NER）和命名实体消歧（NED）任务，但未提供预定义的数据分割，总文件大小为36 kB。