数据集概述
该数据集是首个公开的摩洛哥阿拉伯语（Darija）医疗领域问答数据集，包含超十一万四千条标注医疗专科的问答对，覆盖精神病学、心脏病学等二十三个专科，填补了北非低资源方言临床自然语言处理的空白。
文件详解
该数据集由二十四个CSV格式文件组成，按医疗专科分类存储，具体说明如下：
- 综合数据文件:
- MedQA_MA.csv: CSV格式，包含全部医疗专科的问答数据，字段包括Question（问题）、Answer（答案）、Category（医疗专科类别）。
- 按医疗专科分类的数据文件（位于MedQA-MA Dataset Categorized by Medical Specialty目录下）:
- 分专科CSV文件，如Allergy_and_Immunology_Medicine.csv、Cardiology_Medicine.csv等，对应二十三个医疗专科类别。
- 字段示例:Question_darija_processesd（处理后的摩洛哥阿拉伯语问题）、Answer_darija_processesd（处理后的摩洛哥阿拉伯语答案）、Category（医疗专科类别）。
适用场景
- 医疗问答系统开发: 训练摩洛哥阿拉伯语医疗领域的开放/封闭域问答模型。
- 对话式医疗咨询工具: 构建提供健康建议的对话代理。
- 医疗文本分类: 开发医疗意图检测与专科分类模型。
- 医疗命名实体识别: 训练医疗领域命名实体识别模型。
- 多语言医疗系统优化: 提升多语言医疗自然语言处理系统的泛化能力。
- 医疗AI公平性研究: 探索阿拉伯语社群医疗AI的公平性与可及性。
