theimc/Chatbot_data_patient

챗봇 질의응답 시나리오 벤치마크 데이터셋

---

개요

본 데이터셋은 관계형 데이터베이스(RDB)에 저장된 환자-의료 정보를 프롬프트로 제공했을 때, 대형 언어 모델(LLM)이 정보를 얼마나 완전하고 정확하게 반영해 응답을 생성하는지를 측정하기 위해 제작되었습니다.

• 실제 비대면 진료 시나리오를 기반으로 보호자·환자·의료진의 질문 패턴을 수집·정제
• 의료 전문 유튜브 콘텐츠 분석 + 전문가 자문을 통해 현실성 높은 Q&A 설계

본 데이터셋은 “AI플러스 인증”을 획득하였으며, 프롬프트 기반 RDB 질의 정확도 벤치마킹에 최적화되어 있습니다.

---

벤치마크 목적 및 활용 맥락

목적	설명
환각·정보 누락 평가	DB에서 추출한 정형 정보를 LLM이 누락·왜곡 없이 답변에 반영하는지 검증
실전 적용 가능성 확인	성능 우수 모델은 쇼핑몰 개인화 챗봇·독거노인 케어 챗봇·비대면 진료 에이전트 등에서 RDB 기반 응답 품질이 높을 것으로 예상
프롬프트·RAG 연구	Chain-of-Thought, Few-shot, Retrieval-Augmented Generation(RAG) 등 프롬프트 설계/평가용 표준 세트 제공

---

데이터셋 구조

분류 체계 (5-Level Hierarchy)

본 데이터셋은 5단계 계층적 분류 체계를 사용하고 있습니다:

• Category_1: 정보 유형 (관계형 DB 정보 / 의학 기본정보)
• Category_2: 주요 정보 영역 (진료정보, 환자정보, 처방정보, 건강상담, 복약상담)
• Category_3: 세부 정보 유형 (과거진료내역, 진료의뢰정보, 질환, 복약지도, 건강관리 등)
• Category_4: 질문 속성 (시간, 장소, 빈도, 부작용 등)
• Category_5: 상세 속성 (최근, 특정일자, 특정약물 등)

데이터 구성

• 총 467 개 질문-응답 페어
• 각 샘플마다 전문가 검증을 거친 5단계 다중 레이블 포함

---

연락처

데이터셋에 관한 문의나 제안사항이 있으시면 아래 연락처로 문의해 주십시오:

• 이메일: [thstkddn0214@theimc.co.kr]