天池大数据竞赛如何推动中医药文献智能提问？

竞赛背景与目标

阿里云天池平台自2020年起连续举办中医药文献问题生成挑战赛，通过构建“文献+答案→问题”的智能生成范式，推动中医药知识的数字化重构。该竞赛旨在解决传统医学文献利用效率低、知识转化慢的问题，要求参赛者结合自然语言处理技术挖掘中医古籍与现代文献的价值。

核心技术方法

参赛团队主要采用以下技术路线实现问题生成：

• 基于预训练模型（如WoBERT、RoBERTa）的领域适应训练，解决中医术语与通用语料间的语义鸿沟
• 采用Seq2Seq框架搭建生成模型，通过注意力机制增强答案定位能力
• 应用数据增强策略，结合K折交叉验证优化模型泛化性能

数据资源支撑

竞赛数据集包含四大核心来源：

1. 《黄帝内经》等经典译著文本
2. 中成药用药规范文献
3. 慢性病防治科普资料
4. 名医诊疗案例数据库

所有数据均经人工标注形成13000组问题-答案对，其中答案均为文献中的连续文本片段，问题类型涵盖实体识别与病理描述两大类。

成果应用场景

竞赛成果已产生三方面实际价值：

• 构建中医智能问答系统原型，支持在线问诊辅助决策
• 生成标准化测试集，推动中医NLP评估体系建立
• 沉淀领域专用词向量库，优化古籍机器翻译质量

通过持续五届的竞赛实践，天池平台已形成“数据开放-算法迭代-应用验证”的良性循环。这种产学研协同创新模式，不仅加速了中医药知识的智能化重构，更为传统学科与现代技术的融合提供了可复制的范式。