PubMedQA 数据集卡片

PubMedQA 是从 PubMed 文摘中收集的一种新型生物医学问答（QA）数据集。PubMedQA 的任务是使用相应的摘要回答研究生物医学问题，以是/否/可能的形式回答。PubMedQA 包括1k 专家注释（PQA-L），61.2k 无标签（PQA-U）和211.3k 人工生成的 QA 实例（PQA-A）。

每个 PubMedQA 实例由以下内容组成： （1）问题，可以是现有的研究文章标题或者从研究文章中衍生出来的；（2）上下文，是不带结论的相应的 PubMed 摘要；（3）长答案，是摘要的结论，预计回答研究问题；（4）是/否/可能的答案，总结结论。

PubMedQA 是第一个需要对生物医学研究文本进行推理，特别是其定量内容的问答数据集。

PubMedQA 数据集包括3个不同的子集：（1）PubMedQA Labeled（PQA-L）：一个带有标签的 PubMedQA 子集，包含了从 PubMed 文章中收集的1k 个手动注释的是/否/可能的问答数据；（2）PubMedQA Artificial（PQA-A）：一个带有人工标注的 PubMedQA 子集，包含了211.3k 个 PubMed 文章，根据论文标题自动生成的问题和使用简单启发式方法生成的是/否答案标签；（3）PubMedQA Unlabeled（PQA-U）：一个无标签的 PubMedQA 子集，包含了从 PubMed 文章中收集的61.2k 个上下文-问题对数据。

引用信息

@inproceedings{jin2019pubmedqa,
  title={PubMedQA: A Dataset for Biomedical Research Question Answering},
  author={Jin, Qiao and Dhingra, Bhuwan and Liu, Zhengping and Cohen, William and Lu, Xinghua},
  booktitle={Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP)},
  pages={2567--2577},
  year={2019}
}