背景描述

瑞金医院糖尿病数据集

以人工智能辅助糖尿病知识图谱构建为题，通过糖尿病相关的教科书、研究论文来进行糖尿病文献挖掘并构建糖尿病知识图谱。

糖尿病是代谢性疾病，也是慢性疾病，中国是世界上糖尿病患者最多的国家，病人达到1.1亿，每年有130万人死于糖尿病及其相关疾病。糖尿病病因复杂，表现出的症状多种多样，这为糖尿病的诊断和治疗带来了很大的困难。此数据集旨在通过糖尿病相关的教科书、研究论文来做糖尿病文献挖掘并构建糖尿病知识图谱。参赛选手需要设计高准确率，高效的算法来挑战这一科学难题。

第一赛季课题为“基于糖尿病临床指南和研究论文的实体标注构建”，第二赛季课题为“基于糖尿病临床指南和研究论文的实体间关系构建”。

官方提供的数据只包含训练集，真正用于最终排名的测试集没有给出。

数据说明

数据集来源于中文糖尿病领域权威期刊，数据包括基础研究、临床研究、药物使用、临床病例、诊治方法等多个方面，时间跨度达到7年，涵盖了近年来糖尿病领域最广泛的研究内容和热点。数据集的标注者都具有医学背景。依托于该数据集，包括医生、科研人员、企业开发者就能开展用于临床诊断的知识库，知识图谱，辅助诊断等产品开发，进一步探索研究糖尿病的奥秘。

实体标注格式：分三列，以tab分割：第一列为实体id，以字符T开始，后接数字，如“T16”，该id在同个文件中唯一；第二列为实体的位置坐标以及类别；第三列为实体对应的文字，如“I型糖尿病”。第二列由三部分组成，以空格分割。其中第一部分为实体类别，如“Disease”；第二部分为实体起始位置，如“100”；第三部分为实体终止位置，如“110”。对于存在换行现象的实体，则以分号分割实体在两行的位置，如“Disease 18 20;21 25”表示该实体起始位置为18到25，在20的位置换行。

关系标注格式：分两列，以tab分割：第一列为关系id，以字符R开始，后接数字，如“R18”，该id在同个文件中唯一；第二列为关系的类别以及实体组成，由三部分组成，以空格分割。其中第一部分为关系类别，如“Test_Disease”；第二部分为关系中起始的实体，以“Arg1:”起始，后接实体id；第三部分为关系中被指向的实体，以“Arg2:”起始，后接实体id。