PubMed 200k RCT: 医療要約における逐次文分類のためのデータセット

我々は、逐次分類のためのPubMedに基づいた新しいデータセットであるPubMed 200k RCTを提示します。このデータセットは、約200,000件のランダム化比較試験からなり、合計で230万文があります。各要約は、背景、目的、方法、結果、または結論のいずれかのクラスを使用して、要約内での役割に基づいてラベル付けされています。このデータセットを公開する目的は二つあります。第一に、逐次短文分類（すなわち、順序で現れるテキストの分類）のためのデータセットは小規模であるため、新しいデータセットの公開がこのタスクのためのより正確なアルゴリズムの開発に寄与することを期待しています。第二に、研究者は文献を効率的に閲覧するためのより良いツールが必要です。各文を自動的に分類することは、特に医療分野など要約が長くなる場合に、研究者が要約をより効率的に読むのに役立ちます。