metadata
license: apache-2.0
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]