MsrGenomicsKbcomp est un ensemble de données publié par Microsoft Research en 2016, spécialisé dans l'extraction de relations et le complément de connaissances dans le domaine de la génomique. Il vise à exploiter les informations de co-occurrence textuelle des résumés PubMed et les bases de données de voies officielles pour construire une base de connaissances sur les relations de régulation génique, afin de soutenir la recherche sur le complément de graphes de connaissances.

Cet ensemble de données contient 16 259 échantillons (12 160 pour l'ensemble d'entraînement, 2 784 pour l'ensemble de test et 1 315 pour l'ensemble de validation), avec une taille d'environ 342 Ko. Les données proviennent de la base de données NCI PID Pathway Interaction Database et des résumés PubMed, traitées et annotées à l'aide de l'outil Literome. Elles couvrent des types de relations entre gènes tels que Positive_regulation, Negative_regulation et Family, fournissant ainsi des données de référence de haute qualité pour les tâches de traitement du langage naturel biomédical.

Composition de l'ensemble de données

• train.txt : triplets de l'ensemble d'entraînement de la base de connaissances, utilisés pour l'entraînement du modèle.

• valid.txt : triplets de l'ensemble de validation de la base de connaissances, utilisés pour la validation du modèle.

• test.text : triplets de l'ensemble de test de la base de connaissances, utilisés pour le test du modèle.

• text.txt : triplets textuels de relations géniques extraits des résumés PubMed, traités par liaison d'entités et Literome.

Citation```bibtex

@inproceedings{toutanova-etal-2016-compositional, title = "Compositional Learning of Embeddings for Relation Paths in Knowledge Base and Text", author = "Toutanova, Kristina and Lin, Victoria and Yih, Wen-tau and Poon, Hoifung and Quirk, Chris", booktitle = "Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)", month = aug, year = "2016", address = "Berlin, Germany", publisher = "Association for Computational Linguistics", url = "https://www.aclweb.org/anthology/P16-1136", doi = "10.18653/v1/P16-1136", pages = "1434--1444", }