新冠疫情相似问句判定数据集
本数据集来自天池新冠疫情相似句对判定大赛： https://tianchi.aliyun.com/competition/entrance/
基本信息
模态
文本
创建/更新时间
2026-07-13
资源简介
该数据集来自阿里云天池新冠疫情相似句对判定大赛，包含医疗问题，涉及肺炎、支原体肺炎、支气管炎、上呼吸道感染、肺结核、哮喘、胸膜炎、肺气肿、感冒、咳血等10个病种，用于相似问句判定任务，数据模态为文本。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取（阿里天池）
- 访问源站：https://tianchi.aliyun.com/dataset/76751
- 登录阿里云/天池账号（淘宝/支付宝快捷登录）；
- 数据集详情页点击「下载」获取直链（大文件多为 oss 分片，可用
curl -L -o file <链接>下载）； - 部分竞赛数据需报名赛事后可见。
数据说明
该数据集来自阿里云天池新冠疫情相似句对判定大赛，包含医疗问题，涉及肺炎、支原体肺炎、支气管炎、上呼吸道感染、肺结核、哮喘、胸膜炎、肺气肿、感冒、咳血等10个病种，用于相似问句判定任务，数据模态为文本。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
