2024 最新高质量 医学 问答 数据集

最新推荐文章于 2025-03-12 06:39:49 发布
最新推荐文章于 2025-03-12 06:39:49 发布
阅读量2.3k 收藏 28
点赞数 27
文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011559552/article/details/142527154
版权

医学问答类数据集在机器学习中扮演着重要的角色，它们主要用于开发和训练智能问答系统，以便这些系统能够理解和回答与医学相关的查询。

医学问答类数据集 在机器学习中的一些关键作用：

1、训练模型：

  • 数据集提供了大量的问答对，机器学习模型可以通过这些数据学习如何理解和生成医学领域的回答。

2、语义理解：

  • 医学问答数据集通常包含复杂的医学术语和概念，有助于训练模型理解医学领域的专业语言。

3、数据增强：

  • 在数据稀缺的情况下，可以通过数据增强技术从现有的问答对中生成新的数据，以提高模型的泛化能力。

数据集：NEJM_Reasoning_Final_Common_Old_Prompt_test|医学推理数据集|问答系统

  • 创建时间：2024-09-09

  • 链接地址：NEJM_Reasoning_Final_Common_Old_Prompt_test|医学推理数据集|问答系统

  • 数据集介绍：该数据集包含三个主要特征：id、query和answer，均为字符串类型。数据集分为三个部分：训练集、验证集和测试集，每个部分包含110个样本，总大小为2452329字节。数据集的配置名为'default'，数据文件路径分别为data/train-*、data/valid-*和data/test-*。

数据集：BiomixQA|生物医学数据集|问答系统数据集

  • 创建时间：2024-09-04

  • 链接地址：BiomixQA|生物医学数据集|问答系统数据集

  • 数据集介绍：BiomixQA数据集是一个专门针对生物医学领域的问题回答数据集，包含两种类型的问题：多项选择题和真/假题。该数据集被用于验证基于知识图谱的检索增强生成（KG-RAG）框架在不同大型语言模型（LLMs）中的表现。数据集的多样性体现在问题的类型和覆盖的生物医学概念上，使其特别适合评估KG-RAG框架的性能。此外，该数据集支持生物医学自然语言处理、知识图谱推理和问答系统的研究和开发。数据集的来源包括多个生物医学知识图谱和数据库，如SPOKE、DisGeNET、MONDO、SemMedDB、Monarch Initiative和ROBOKOP。

数据集：CRAFT|合成数据集数据集|问答系统数据集

  • 创建时间：2024-08-09

  • 链接地址：CRAFT|合成数据集数据集|问答系统数据集

  • 数据集介绍：CRAFT是一个用于任务特定合成数据集生成的项目，通过语料库检索和增强技术，提供了多个领域的合成数据集，如生物医学问答、常识问答、医学问答等。

数据集：Detsutut/medmcqa-ita|医学教育数据集|问答系统数据集

  • 创建时间：2024-07-09

  • 链接地址：Detsutut/medmcqa-ita|医学教育数据集|问答系统数据集

  • 数据集介绍：MedMCQA-ITA是一个大规模多选题问答数据集的意大利语版本，旨在解决实际医学入学考试问题。该数据集包含问题和候选答案选项，目标是选择正确的答案。

数据集：PQAref|生物医学数据集|问答系统数据集

  • 创建时间：2024-07-02

  • 链接地址：生物医学数据集|问答系统数据集

  • 数据集介绍：PQAref数据集是一个用于生物医学领域参考问答任务的数据集，旨在微调大型语言模型。该数据集包含三个部分：指令（问题）、摘要（从PubMed检索的相关摘要，包含PubMed ID、摘要标题和内容）和答案（预期答案，包含PubMed ID形式的参考）。数据集通过半自动方式创建，利用了PubMedQA数据集中的问题。

数据集：rag-datasets/rag-mini-bioasq|生物医学数据集|问答系统

  • 更新时间：2024-06-17

  • 链接地址：rag-datasets/rag-mini-bioasq|生物医学数据集|问答系统数据集

  • 数据集介绍：该数据集主要用于问答和句子相似性任务，特别关注生物医学领域。数据集包含两个配置：text-corpus 和 question-answer-passages。text-corpus 配置包含文章段落，而 question-answer-passages 配置包含测试数据。数据集是从 BioASQ 的训练数据集中生成的子集，使用 `generate.py` 脚本进行处理。

数据集：SuMeyYao/ysmpubmedclt|生物医学数据集|问答系统数据集

数据集：zhengr/HuangdiNeijing|中医学数据集|问答系统数据集

数据集：HPAI-BSC/medmcqa-cot|医学数据集|问答系统数据集

  • 更新时间：2024-05-13

  • 链接地址：HPAI-BSC/medmcqa-cot|医学数据集|问答系统数据集

  • 数据集介绍：medmcqa-cot数据集是对原始MedMCQA数据集的增强版本，通过利用Mixtral-8x7B模型生成Chain of Thought(CoT)答案，提高了训练数据的质量。该数据集主要用于医学领域的多选题问答任务，涵盖英语语言，旨在提供一个高质量、易于使用的指令调优数据集。

数据集：ncbi/Hidden-Flaws-GPT-4V|医学教育数据集|问答系统数据集

  • 更新时间：2024-05-01

  • 链接地址：ncbi/Hidden-Flaws-GPT-4V|医学教育数据集|问答系统数据集

  • 数据集介绍：该数据集包含图像、问题、选择、专业领域等多种特征，并涉及医学领域的问答任务。数据集详细列出了图像理解、医学知识回忆、逐步推理等特征，并评估了图像、回忆、推理和最终答案的正确性。

数据集：Shekswess/gemma_medquad_instruct_dataset|医学数据集|问答系统数据集

  • 更新时间：2024-04-13

  • 链接地址：Shekswess/gemma_medquad_instruct_dataset|医学数据集|问答系统数据集

  • 数据集介绍：该数据集是一个英文医学问答数据集，大小介于10K到100K之间，专门用于指导监督下的Gemma LLMs微调。数据集基于Medquad，包含47,457个医学问答对，这些问答对来自NIH的12个权威来源，涵盖疾病、药物和医疗程序等多个医学主题。数据集还提供了XML格式的额外注释，包括问题类型、问题焦点、同义词、UMLS的唯一标识符和语义类型，支持多种信息检索和自然语言处理任务。

数据集：hajhouj/med_qa|医学数据集|问答系统数据集

  • 更新时间：2024-03-27

  • 链接地址：hajhouj/med_qa|医学数据集|问答系统数据集

  • 数据集介绍：MedQA是一个多语言的开放领域问答数据集，专门用于解决医学问题。该数据集从专业医学考试中收集，涵盖英语、简体中文和繁体中文，分别包含12,723、34,251和14,123个问题。此外，还提供了一个大规模的医学教材文本库，供阅读理解模型获取回答问题所需的知识。

数据集：paoloitaliani/pubmedqa|生物医学数据集|问答系统数据集

  • 更新时间：2024-02-29

  • 链接地址：生物医药数据集|问答系统数据集

  • 数据集介绍：数据集包含两个配置：classification和generative。classification配置用于分类任务，包含输入文本和正确答案索引；generative配置用于生成任务，包含输入文本和输出文本。每个配置都分为训练、验证和测试集。

最全高质量 思维链数据集 ，大模型训练集（不定期更新）
南七小僧的学海无涯
11-27 312
思维链数据集是一种专门设计用于训练和评估人工智能模型在处理包含多种信息模态（如文本、图像、声音等）的复杂问题时的推理能力的数据集。这些数据集通常包含了丰富的多模态信息，以及对应的问题和答案，有时还包括了问题的解决过程或解释，以帮助模型学习如何结合不同模态的信息来解决问题。
中文医疗问答数据集_cMQA.zip
09-16
中文医疗问答数据集_cMQA
医疗知识问答-数据集.zip
06-23
# Chinese medical dialogue data 中文医疗对话数据集 ### Data_数据中有6个文件夹分别是: >**** 94596个问答对 > **** 220606个问答对 **** 183751个问答对 **** 75553个问答对 **** 101602个问答对 **** 115991个问答对 总计 792099个问答对
斯坦福问答数据集（Stanford Question Answering Dataset, SQuAD）
彬彬侠的博客
02-26 1182
斯坦福问答数据集（Stanford Question Answering Dataset, SQuAD）是一个广泛用于机器阅读理解（Machine Reading Comprehension, MRC）和问答系统（Question Answering, QA）研究的高质量数据集。该数据集由斯坦福大学的研究人员创建，旨在推动NLP领域基于文本的问答系统的发展。SQuAD1.1仅包含可回答问题，SQuAD2.0增加了不可回答问题。评估指标包括ExactMatch（EM）和F1Score。BERT和Transf
中文医疗问答数据集 开源！
Python_cocola的博客
05-24 1543
大家好，我是GitHub好项目君，每天分享GitHub上的好项目主要分享GitHub上有趣、有意义、重要的项目一个用于医疗领域的问答数据集源代码：“Chinese-medical-dialogue-data” 是一个用于医疗领域的问答数据集，由 GitHub 上的 Toyhom 创建和维护。这个数据集包含了大量的真实医疗对话记录，覆盖了疾病诊断、用药指导等多个主题。数据集的详细分类和丰富内容为研究人员提供了一个深度探索中文医疗对话处理技术的宝贵资源，特别是在自然语言处理领域。
论文浅尝 | emrKBQA: 一个面向临床医疗问答的KBQA数据集
开放知识图谱
07-11 1324
笔记整理 | 谭亦鸣，东南大学博士生来源：BioNLP ’21 workshop, ACL ‘21链接：https://www.aclweb.org/anthology/2021.bio...
问答数据集（自用，持更）
热门推荐
weixin_44125942的博客
12-01 1万+
1、Quora 问题对数据集： 判断两个问题是不是同一个意思（通用） 综述： https://blog.csdn.net/studyvcmfc/article/details/107941583?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_title~default-1.no_search_link&spm=1001.2101.3001.4242.2 2、医药问答数据集： https://gitee.com/wan
探索医疗知识的新天地：医疗问答数据集
gitblog_00023的博客
06-26 347
探索医疗知识的新天地：医疗问答数据集 medical-question-answer-dataMedical question and answer dataset gathered from the web.项目地址:https://gitcode.com/gh_mirrors/me/medical-question-answer-data 在这个信息爆炸的时代，获取准确的医疗信息变得尤为重要...
cMedQA中文医疗社区问答数据集.zip
12-31
总的来说，cMedQA中文医疗社区问答数据集是医疗AI领域的重要里程碑，它的存在不仅推动了技术的发展，也为医疗服务质量的提升开辟了新的可能。无论是科研人员还是开发者，都应该充分认识到这个数据集的价值，合理利用...
中文医学领域问答微调数据集
11-27
中文医学领域问答微调数据集是一份专门为医疗健康领域设计的问答系统训练资源。...中文医学领域问答微调数据集的开发和应用，对推动医疗信息化进程，提升医疗服务质量，促进公共卫生水平具有不可忽视的贡献。
10 大中文医学数据集汇总：涵盖神农中医药、中医药古籍、医学推理、医学问答……
最新发布
zzjlhlcd的博客
03-12 809
该数据集为中文医疗问答数据集，包含 6 个不同医疗科室文件夹，分别为：男科 94,596 个问答对、内科 220,606 个问答对、妇产科 183,751 个问答对、肿瘤科 75,553 个问答对、儿科 101,602 个问答对、外科 115,991 个问答对，总计 792,099 条数据。包含超 11 万个的指令数据，这些数据通过以实体为中心的自指令方法生成，围绕中医药领域的核心实体和不同意图场景，不仅能够提升模型在中医药相关问题的回答能力，还能辅助中医诊断，提供个性化的医疗建议。
医疗问答数据爬取
11-20
通过BeautifulSoup库的ask120爬虫代码，分为科室链接爬取，问答链接爬取，问答详情爬取、医生信息爬取三个部分。
cMedQA2（中文医学问答数据集）
04-02
中文医学问答数据集 数据集描述：中文医药方面的问答数据集，超过10万条。 数据说明:questions.csv：所有的问题及其内容。answers.csv ：所有问题的答案。 train_candidates.txt， dev_candidates.txt， test_candidates.txt ：将上述两个文件进行了拆分。
中文医疗问答数据-好大夫.zip
08-16
来自某在线求医产品的中文医患对话数据。原始描述:The MedDialog dataset contains conversations (in Chinese) between doctors and patients.
平安医疗疾病问答比赛数据集，针对中文疾病问答的数据集。
02-26
平安医疗疾病问答比赛数据集，针对中文疾病问答的数据集，可进行病种间的迁移学习。所有语料来自互联网上患者真实的问题，并经过了筛选和人工的意图匹配标注。
cMedQA中文社区医学问答数据集-数据集
03-12
cr: The National University of Defense Technology.本数据集由国防科技大学提供。 cMedQA_answers_datasets.csv cMedQA_dev_candidates_datasets.txt cMedQA_questions_datasets.csv cMedQA_test_candidates_datasets.txt cMedQA_train_candidates_datasets.txt Chinese Medical Question Answer Matching Using End-to-End Character-Level Multi-Scale CNNs.pdf
HotpotQA多跳问答数据集；Kaggle在线数据科学和机器学习竞赛平台
ZJQ的博客
12-23 586
该条数据中，问题需要结合两个支持事实进行多步推理才能得出答案。首先要找到Facebook创立于哈佛大学寝室这一信息，再获取哈佛大学位于美国麻省剑桥市这一知识，通过两者的关联推理出Facebook的诞生地为剑桥市。参赛者需先在平台上注册登录，然后选择竞赛项目，下载相应数据集进行分析和预处理，接着使用机器学习算法构建模型并训练优化，最后将预测结果提交到平台，平台会根据预设评估指标评分并给出排名和反馈.：小扎在哈佛大学的寝室创立Facebook，哈佛大学在美国麻省的剑桥市.：美国麻省的剑桥市.
最大规模的中文医学问答数据集：拥有26,000,000个问答对
m0_59164520的博客
06-24 2191
华佗GPT作为一款开源的医疗AI大模型，在医疗健康领域展现出了巨大的潜力和价值。随着技术的不断进步和应用的不断拓展，华佗GPT有望在未来为医疗健康领域带来更多的创新和突破。同时，我们也期待更多的科研机构和企业加入到医疗AI的研发和应用中来，共同推动医疗健康领域的数字化升级和发展。Huatuo-26M中医问答数据集介绍Huatuo-26M是目前最大的中医问答数据集，它包含了超过2600万条高质量医学问答对，这些问答对涵盖了疾病、症状、治疗方法、药物信息以及中医理论的各个方面。
爬取【医疗问答】数据
qq_38423499的博客
03-21 1765
本文章以 丁香 医生为例 主要以 科目分类来进行爬取，每个科目爬取的内容会存储到一个文本文档中，内容是问答式。 代码如下： from bs4 import BeautifulSoup import pandas as pd import json import requests import time import random def get_static_url_content(url): ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值