WikiAnswers 是一个英语自然语言问题数据集，从WikiAnswers 网站上抓取的相同问题的不同表述形式，包括 250 万个不同问题和 1800 万个问题复述对。 问题：         What are the green blobs in plant cells?问题复述：         a green substance in the plant cell be the ?         be cytoplasm a green cell part in certain plant cell ?         package of green coloring in plant cell ?         part of the plant cell where the cell get it green color ?         the green part in a plant be call ?         the green part of a plant cell ?         the part of the plant cell that make the plant green be call ?         what be green part call ?         what be green part in plant cell ?         what be the green body in a plant cell ?         what be the green machine within a plant cell ?         what be the green part of a plant cell ?         what be the green part of plant cell ?         what be the green substance in plant cell ?         what be the name of the green thing in the plant cell ?         what be the part of plant cell that give it green color ?         what be the part of the cell that produce the green color of the plant ?         what be the part of the plant cell that make the green color ?         what be to part of the plant cell ?         what cell part do plant have that enable the plant to be give a green color ?         what in a plant cell that be green ?         what part of the cell be large and green ?         what part of the plant cell turn it green ?

中文医疗问答数据-好大夫.zip

美国知识问答网站 Quora 上的问题答案数据集，可用以进行重复问题检测。

来自某在线求医产品的中文医患对话数据。原始描述:The MedDialog dataset contains conversations (in Chinese) between doctors and patients.

队 为斯坦福问答数据集建立质量保证体系（ ） 请阅读此博客以获取详细信息： : 第一个文件create_emb.ipynb负责为训练数据集的Wikipedia文章中的所有句子和问题创建一个嵌入句子的字典。 第二个文件unsupervised.ipynb使用句子嵌入来计算句子和问题之间的距离，基于欧几里得和余弦相似度。 最后，它从距问题最短距离的每个段落中提取设置。 目前，它们的准确度分别为45％和63％。 最后一个文件将此问题视为监督学习问题，其中我拟合多项逻辑回归，随机森林和xgboost并创建20个特征-（2个特征代表一个句子的余弦距离和欧几里得。我将每个段落限制为10个句子）。 目标变量是具有正确答案的句子ID。 所以我有10个标签。 目前，这分别提供了63％，65％和69％的准确性。 未来工作：使用RNN获得确切答案

# Chinese medical dialogue data 中文医疗对话数据集 ### Data_数据中有6个文件夹分别是: >**** 94596个问答对 > **** 220606个问答对 **** 183751个问答对 **** 75553个问答对 **** 101602个问答对 **** 115991个问答对 总计 792099个问答对

中文医学问答数据集 数据集描述：中文医药方面的问答数据集，超过10万条。 数据说明:questions.csv：所有的问题及其内容。answers.csv ：所有问题的答案。 train_candidates.txt， dev_candidates.txt， test_candidates.txt ：将上述两个文件进行了拆分。

中文医药方面的问答数据集，超过10万条。数据说明:questions.csv：所有的问题及其内容。answers.csv ：所有问题的答案。 train_candidates.txt， dev_candidates.txt， test_candidates.txt ：将上述两个文件进行了拆分。

通过BeautifulSoup库的ask120爬虫代码，分为科室链接爬取，问答链接爬取，问答详情爬取、医生信息爬取三个部分。

小黄鸡50W条问答对话，都是中文，可供训练闲聊机器人试用。