《分娩对话：一个多语言问答数据集，用于东非语言地区的母婴健康护理》

《BMC Research Notes》：Dialogues of delivery: a multilingual question-answer dataset for maternal healthcare in East African languages

　　

摘要

目标

针对非洲语言的、具有临床背景的自然语言处理（NLP）资源严重匮乏。在乌干达西部，语言多样性成为母亲获得医疗保健的障碍，因为母亲们无法用她们自己的语言获取健康信息。该数据集的目标是提供一个高质量的、使用当地语言的医疗语料库，以便在资源有限的环境中开发和微调大型语言模型（LLMs）以及用于母婴健康的对话式AI工具。

数据描述

“分娩对话”（Dialogues of Delivery）数据集是一个多语言的平行语料库，包含3,694对问答，这些问答用四种语言呈现：英语、卢干达语、鲁尼亚科雷语和斯瓦希里语（总计14,800条记录）。通过在乌干达西部的两家医疗机构进行便利抽样，从150名参与者（准妈妈/产后母亲和母婴健康护理人员）那里收集了结构化、开放式问卷的原始数据。该数据集经过了认证语言学家的严格正向-反向翻译流程，并由独立医疗专业人员进行人工临床验证。该数据集涵盖了母婴健康的核心领域，为以非洲为中心的AI开发提供了文化和临床验证的基础。