北京公共数据开放平台-连环夺宝

该数据包含图像文本多模态数据，包括“城市道路、非机动车违停、道路积水、占道经营、城市垃圾、城市井盖”等6类;该数据用于智慧城市治理、自动驾驶等方面；数据集包含原图、标注图、文本数据(yolo格式)。

常见的疾病和症状词条，包含病因、治疗、诊断、生活、预防等信息，经过医师逐一审核。

是根据绿色投资相关标准和框架形成的评估数据集，该数据集包含各类绿色相关评估标签和信息语料，有助于构建绿色投资标的评估模型和投资策略模型。

中文医学术语集是阿里健康组织国内一流专家学者审核、全流程严格实施三审三校机制、采用本体论、基于机器可读概念模型研发的中文医学领域的术语集合。术语集包括19个大类业务分支，包括：标本、操作、电子健康记录、分期与分级、观测指标、临床发现、人体结构和形态、生物体、药物/生物制品、医疗相关物品、中医等，紧密围绕医学的临床、科研、教学等需求进行归类和分级。

国内外常见的药品最新说明书，以及药品与病症关联关系、服药人群、主治、不良等信息，经过药师逐一审核。

患者通过平台智能设备检测之后的个人健康指标检测报告，个人信息脱敏。

标签化的全国各级党报、行业专业报刊数据。

数据集采集自北京高级别自动驾驶示范区的3个不同路口路侧数据，数据内容为路侧视角的脱敏视频数据,覆盖多路口、多路况、多时段，可用于自动驾驶大模型训练。

全国信息化、数字化建设项目公开信息数据。同时，对文本进行了清洗，形成了结构化字段。 字段：包括建设单位、项目名称、预算、供应商、建设内容等

来自临床专家撰写以西医临床全生命周期知识信息，包括疾病诊断准则、治疗指南、药物信息等。

关于医药行业相关知识的多媒体教学文件

来自于科技服务、军事、国防安全、金融、医疗等领域的专利、论文、科技文献等资料整理的双语平行语料

关于医药行业的考试题库

人工整编的可用于科技文献语步识别、概念定义识别、研究问题识别、领域分类、领域科研实体识别等任务的训练数据集。 其中语步识别数据集40万条，标注了文献摘要中各句子的语步类型，包括研究背景句、研究目的句、研究方法句、研究结果句、研究结论句；概念定义识别数据集1万条，标注了文献中描述概念定义的句子；研究问题识别数据集1万条，标注了文献中描述研究问题的句子；分类数据集50万条，包括了每篇文章及其中图分类号的对应关系；科研实体识别数据集10万条，标注了文献摘要中描述研究问题、方法模型、数据资料、仪器设备等实体词。

中国科学引文数据库（chinese science citation database，简称cscd）创建于1989年，是我国第一个引文数据库，覆盖我国数学、物理、化学、天文学、地学、生物学、农林科学、医药卫生、工程技术和环境科学等领域出版的中英文科技核心期刊1300余种。数据准确、处理规范，目前已积累高质量论文记录 600余万条，包括论文题名、作者、机构、关键词、摘要等信息，可用于基于中文文献的知识挖掘等场景。

近10年声誉风险事件的舆论高结构化、时序化和精准关联分析数据。

产业链及链上要素，包含产业链上下游、政策、舆情、企业及科创评估。

收录了党的十八大以来《人民日报》的要闻、评论、理论、经济、政治等重要版面内容。

北京市2002-2023年两会期间各类参政议政建言、答复等政务文本及其分词库。

覆盖8000 产业节点，包括产业风险指数、产业舆情风险及风险企业数据。