Update README.md

README.md

@@ -5,28 +5,8 @@ license: apache-2.0
 
 ## 개요
 
-본 데이터셋은 DB 기반 챗봇 개발을 위한 질의응답 시나리오 분류 데이터셋입니다. 
-다양한 카테고리로 구조화된 질문들을 포함하고 있어 자연어 처리(NLP) 기반 챗봇의 학습 및 개발에 활용할 수 있습니다.
-
-## 데이터셋 개발 배경
-
-### 챗봇 시나리오 분류 데이터셋이 필요한 이유
-
-1. **일관된 응답 품질 보장**: 
-   - 사용자 질문의 의도를 정확히 파악해 적절한 응답을 제공하기 위해서는 체계적인 분류 체계가 필요합니다.
-   - 카테고리별 분류를 통해 챗봇의 응답 일관성과 정확성을 높일 수 있습니다.
-
-2. **효율적인 지식 관리**:
-   - 대화 도메인을 체계적으로 구조화함으로써 지식 베이스의 관리와 업데이트가 용이해집니다.
-   - 새로운 질문 유형이 발생했을 때 기존 분류 체계에 효율적으로 통합할 수 있습니다.
-
-3. **사용자 경험 개선**:
-   - 사용자의 다양한 질문 패턴과 의도를 예측하여 자연스러운 대화 흐름을 구현할 수 있습니다.
-   - 분류 체계를 통해 사용자 의도를 정확히 파악하여 맥락에 맞는 응답을 제공할 수 있습니다.
-
-4. **성능 평가 및 개선**:
-   - 카테고리별 정확도와 성능을 측정하여, 챗봇의 취약점을 식별하고 개선할 수 있습니다.
-   - 사용자 피드백과 함께 데이터셋을 지속적으로 개선할 수 있는 기준을 제공합니다.
+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.
 
 ## 데이터셋 구조
 
@@ -34,36 +14,29 @@ license: apache-2.0
 
 본 데이터셋은 5단계 계층적 분류 체계를 사용하고 있습니다:
 
-- **Category_1**: 최상위 주제 분류 (예: 일반 정보, 기술 지원, 제품 문의 등)
-- **Category_2**: 세부 주제 영역
-- **Category_3**: 구체적인 질문 유형
-- **Category_4**: 세부 속성
-- **Category_5**: 세부 속성의 하위 분류
+- **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)
 
-### 파일 구성
+### 데이터 구성
 
 - 총 **110개**의 질문 샘플
-- 각 질문은 5개의 카테고리 레이블과 함께 제공
-
-## 활용 방안
-
-### 예상 효과
+- 전문가 검증을 거친 계층적 분류 체계에 따른 5개의 카테고리 레이블 포함
 
-1. **챗봇 성능 향상**:
-   - 계층적 분류 체계를 통해 사용자 의도를 세밀하게 파악하여 응답 정확도 향상
-   - 유사한 질문에 대한 의도 분류 패턴 학습을 통한 일반화 능력 향상
+## 활용 방안 및 기대효과
 
-2. **개발 및 유지보수 효율성**:
-   - 체계적인 분류를 통해 새로운 질문 유형 추가 및 기존 응답 업데이트가 용이
-   - 분류 체계에 기반한 모듈식 개발로 챗봇 기능의 확장성 증대
+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. **사용자 만족도 제고**:
-   - 맥락을 고려한 응답으로 사용자 경험 개선
-   - 복잡한 질문에 대한 세분화된 이해를 통해 정확한 정보 제공
+2. **RAG(Retrieval-Augmented Generation) 시스템 개발**:
+   - 관계형 데이터베이스와 LLM을 효과적으로 연동하는 프롬프트 설계 참조
 
-4. **데이터 기반 개선**:
-   - 카테고리별 성능 모니터링을 통한 취약점 파악 및 개선
-   - 사용자 패턴 분석을 통한 데이터셋 확장 방향 설정
+3. **성능 평가 및 벤치마킹템**:
+   - 의료 도메인 챗봇의 응답 정확도와 속도 평가를 위한 표준화된 테스트 세트
+   - 카테고리별 성능 분석을 통한 취약점 파악 및 개선 방향 설정
 
 ## 연락처