insuranceqa-corpus-zh

拿保险问答数据，快速训练客服机器人

开源 🏷️定价信息待确认 🔧 仅开源项目，无在线服务，需自行部署 对话助手 🍴 复刻 341 🐛 待处理 10 👀 关注 52
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1070
维护状态 低维护
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

insuranceqa-corpus-zh 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类对话助手
开发团队chatopera
官网地址https://www.chatopera.com
GitHubhttps://github.com/chatopera/insuranceqa-corpus-zh
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态🔧 仅开源项目，无在线服务，需自行部署
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★ 1070
上线时间2017-07-26 00:00:00
代码更新2025-05-26
仓库体积545.7 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数7

项目介绍

这是一个面向保险行业的中文语料库，专为训练聊天机器人和自然语言处理模型而设计。它解决了保险领域缺乏高质量、结构化问答数据的问题，提供了大量真实的保险咨询问题和对应答案，覆盖险种、理赔、条款等常见场景。核心能力包括：数据已按问答对整理，可直接用于训练检索式或生成式对话模型；同时提供英文原版对照，方便多语言研究。项目以Python工具和数据集形式发布，适合构建保险客服机器人、智能问答系统等应用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1070

使用教程

难度：入门 约 10 分钟 部署方式：库/依赖 5 步

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. 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. 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. 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. 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. 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

上一篇：MELD

下一篇：Chatito

同类项目推荐

awesome-data-centric-ai 开源

一站式收藏数据为中心AI的资源清单，快速找到提升数据质量的工具和方法。

Open-Source Software, Tutorials, and Research on Data-Centric AI

★ 359 2026-08-10
datasetsforecast 开源

统一加载时间序列数据集，快速跑通预测实验

Datasets for time series forecasting

★ 129 2026-09-21
DFireDataset 开源

现成火焰烟雾标注图，直接训 YOLO 做火情检测

D-Fire: an image data set for fire and smoke detection.

★ 478 2026-10-19
rust-repos 开源

一站式收集 Rust 仓库源码，省去逐个抓取的麻烦

Dataset of Rust source code repositories

★ 144 2026-09-21
synthetic-data-generator 开源

一键生成高仿真表格数据，解决隐私与数据稀缺难题

SDG is a specialized framework designed to generate high-quality structured tabular ···

★ 2442 2026-08-09
datasets 开源

一行代码加载数百个机器学习数据集，省去下载清洗烦恼

TFDS is a collection of datasets ready to use with TensorFlow, Jax, ...

★ 4610 2026-08-10
GraphGen 开源

用知识图谱自动造微调数据，省人工标注

GraphGen: Enhancing Supervised Fine-Tuning for LLMs with Knowledge-Driven Synthetic ···

★ 1231 2026-09-12