Update README.md

README.md

@@ -1,44 +1,53 @@
 ---
 license: apache-2.0
 ---
-# 챗봇 질의응답 시나리오 데이터셋 (Chatbot Q&A Scenario Dataset)
+# 챗봇 질의응답 시나리오 **벤치마크** 데이터셋  
+> *Chatbot Q&A Scenario Benchmark Dataset*
+
+---
 
 ## 개요
 
-본 데이터셋은 비대면 진료 환경에서 보호자가 환자 정보를 조회할 수 있는 챗봇 개발을 위한 질의응답 시나리오 데이터셋입니다. 
-유튜브의 의료 채널 컨텐츠 분석과 전문가 참여를 통해 구조화되었으며, 대형 언어 모델(LLM)을 활용한 챗봇의 학습 및 평가에 활용할 수 있습니다.
-본 데이터셋은 "AI플러스 인증"을 거친 데이터셋 입니다.
+본 데이터셋은 **관계형 데이터베이스(RDB)에 저장된 환자-의료 정보를 프롬프트로 제공했을 때, LLM이 정보를 얼마나 완전하고 정확하게 반영해 응답을 생성하는지**를 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 벤치마킹**에 최적화되어 있습니다.
 ![image/png](https://cdn-uploads.huggingface.co/production/uploads/644b0774acb13ba95cbad90e/YsyO-MGH9P0M2FTqI5VYy.png)
 
-## 데이터셋 구조
+---
 
-### 분류 체계
+## 2. 벤치마크 목적 및 활용 맥락  
 
-본 데이터셋은 5단계 계층적 분류 체계를 사용하고 있습니다:
+| 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 품질**이 높을 것으로 예상 |
+| **프롬프트·RAG 연구** | Chain-of-Thought, Few-shot, Retrieval-Augmented Generation(RAG) 등 **프롬프트 설계/평가용 표준 세트** 제공 |
 
-- **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
+## 3. 데이터셋 구조  
 
-- 총 **467개**의 질문 샘플
-- 전문가 검증을 거친 계층적 분류 체계에 따른 5개의 카테고리 레이블 포함
+### 3-1. 분류 체계 (5-Level Hierarchy)
 
-## 활용 방안 및 기대효과
+1. **Category 1 — 정보 출처**     
+   관계형 DB | 의학 기초지식  
+2. **Category 2 — 주요 영역**     
+   진료정보 | 환자정보 | 처방정보 | 건강상담 | 복약상담  
+3. **Category 3 — 세부 유형**     
+   과거진료내역 | 질환 | 복약지도 | 진료의뢰 | 건강관리 …  
+4. **Category 4 — 질문 속성**     
+   시점 | 장소 | 빈도 | 부작용 …  
+5. **Category 5 — 상세 속성**     
+   최근 | 특정 일자 | 특정 약물 …  
 
-1. **의료 특화 챗봇 개발**:
-   - 의료 도메인에 특화된 질문 패턴 학습을 통한 정확한 정보 추출 능력 향상
-   - 프롬프트 엔지니어링 기법(CoT, 퓨샷 등)을 활용한 LLM 기반 챗봇 개발 지원
+### 3-2. 데이터 구성  
 
-2. **RAG(Retrieval-Augmented Generation) 시스템 개발**:
-   - 관계형 데이터베이스와 LLM을 효과적으로 연동하는 프롬프트 설계 참조
+- **총 467 개** 질문-응답 페어  
+- 각 샘플마다 전문가 검증을 거친 **5단계 다중 레이블** 포함  
 
-3. **성능 평가 및 벤치마킹**:
-   - 의료 도메인 챗봇의 응답 정확도와 속도 평가를 위한 표준화된 테스트 세트
-   - 카테고리별 성능 분석을 통한 취약점 파악 및 개선 방향 설정
+---
 
 ## 연락처