insuranceqa-corpus-zh 是数据集领域的开源项目，由 chatopera 开发，2017 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（1,068）位列前 30%，在数据集分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。
它主要面向的使用场景是：保险客服聊天机器人训练。同类可对比的替代方案包括 CMRC2018、DuReader、WebQA。
GitHub 星标
★ 1068
维护状态
低维护
是否开源
是
定价模式
unknown
项目数据
分类对话助手
开发团队chatopera
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型chatbot,corpus,dataset,insurance,insuranceqa-corpus-zh,machine-learning,natural-language-processing,natural-language-understanding,qasystem,question-answering
GitHub 星标★ 1068
30天Star增速
HF 下载量
上线时间2017-07-26 00:00:00
最近更新2026-09-19 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6
使用教程
环境要求
- Python 2.x 或 3.x
- pip
- 需要购买证书获取证书标识（INSQA_DL_LICENSE）
安装与启动步骤
-
1准备Python环境
确认本机已安装 Python 2.x 或 3.x，并确保 pip 可用；README 未给出具体版本号或安装命令。
-
2安装脚本包
使用 pip 安装 insuranceqa_data 脚本包，这是后续下载和处理语料的前置依赖。
pip install -U insuranceqa_data -
3获取证书标识
进入证书商店购买证书，购买后进入【证书-详情】，点击【复制证书标识】得到 YOUR_LICENSE。
-
4设置许可证变量
将证书标识设置为环境变量 INSQA_DL_LICENSE；Linux/macOS 使用 export，Windows 可用 set 或 PowerShell。
export INSQA_DL_LICENSE=YOUR_LICENSE -
5下载语料数据
按 README 的 Python 代码保存为 download.py，并把 YOUR_LICENSE 替换为真实证书标识，然后执行下载。
python download.py
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
INSQA_DL_LICENSE | 是 | 下载语料所需的证书标识，购买证书后复制获得。 | FOOBAR |
如何确认成功
执行 download.py 后无报错，即表示数据下载流程完成。
常见问题
Q：证书标识从哪里获取？
A：进入 https://store.chatopera.com/product/insqa001 购买证书，购买后在【证书-详情】中点击【复制证书标识】。
Q：支持哪些 Python 版本？
A：README 标明依赖 Python 2.x 和 3.x，并需要 pip。
Q：Windows 下如何设置环境变量？
A：Command Prompt 使用 set INSQA_DL_LICENSE=YOUR_LICENSE；PowerShell 使用 $env:INSQA_DL_LICENSE='YOUR_LICENSE'。
Q：问答对语料和问答语料有什么区别？
A：问答语料是从原始英文翻译、未其他处理；问答对语料在问答语料基础上做了分词、去标去停并添加 label，可直接对接机器学习任务。
注意事项
- 下载语料需要有效的证书标识，未购买证书无法完成语料包下载。
- 问答对语料可直接用于机器学习任务；若对格式或分词不满意，可基于问答语料自行处理。
- README 中方式2的下载命令不完整，未在本教程中编造使用。
核心亮点
- 数据规模超2万对，覆盖保险核心业务场景
- 中英双语对照，便于迁移学习和跨语言研究
- 问答对结构化清晰，可直接用于训练和评估
不足之处
- 数据时效性可能滞后，近年新险种覆盖不足
- 文档/社区待观察
适用场景
- 保险客服聊天机器人训练
- 保险领域智能问答系统开发
- 中文NLP问答模型基准测试
替代项目
CMRC2018、DuReader、WebQA
项目介绍
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models