PubMed 发布 Public Biomedical Dataset 数据集, 应用在 生物医学文本、自然语言处理 领域

PubMed 本次发布的数据集 Public Biomedical Dataset, 该数据集源自大约1.6万篇来自PubMed的德语文摘，并扩展了翻译成英文的PubMed文摘以及MIMIC-III的临床笔记。为了确保翻译质量，我们由一名医生对翻译质量进行了评估，以选择最佳模型。经过翻译后，文档数量达到了约4500万篇。该数据集的任务是对语言模型进行预训练。

查看Public Biomedical Dataset

Dataset card 内容： 

Files and versions 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。