emrQA-msquad：基于 SQuAD V2.0 框架结构化的医学数据集， enriched with emrQA 医学信息

机器阅读理解（Machine Reading Comprehension, MRC）在塑造医学问答系统（Medical Question Answering Systems, QAS）方面发挥着关键作用，正在改变医学信息获取和应用的格局。然而，医学领域固有的挑战，如复杂的术语和问题模糊性， necessitates 创新解决方案。一个关键解决方案是整合专门的医学数据集并创建专门的数据集。这种战略方法提高了 QAS 的准确率，为临床决策和医学研究的进步做出了贡献。为了应对医学术语的复杂性，集成了专门的数据集，以 emrQA 为例，但重新结构化为 163,695 个问题和 4,136 个手动获取的答案，称之为 emrQA-msquad 数据集。此外，针对模糊问题，引入了一个专门用于 Span extraction 任务的医学数据集，强化了系统的鲁棒性。对 BERT、RoBERTa 和 Tiny RoBERTa 等模型进行医学语境下的微调，显著提高了响应准确率，分别在 F1 分数范围内提升至 0.75 到 1.00、18.7% 到 44.7% 和 16.0% 到 46.8%。最后，emrQA-msquad 数据集公开 availability at https://huggingface.co/datasets/Eladio/emrqa-msquad。