insuranceqa-corpus-zh

收录理由

这个仓库把 InsuranceQA 数据集译成了中文，里面既有真实用户提出的问题，也有保险专业人士撰写的答案，并且同时保留了中英文两个版本。正因为问题来自真实场景，训练时模型能接触到人们实际询问时的表达方式，而不是人工编造的例句。语料分成两种形态：一种是未经处理的原始翻译问答文本，另一种是经过分词、去标点、去停用词并带有标签的问答对，后者可以直接对接答案选择之类的有监督任务。配套的 Python 包能直接加载训练集、验证集和测试集，省去自己切分的麻烦，对做保险聊天机器人、FAQ 检索或者客服 NLP 的团队来说很顺手。唯一要留意的是访问门槛：下载数据需要向维护方购买证书并设置许可证标识，评估时得把这一步考虑进去。