Medical-RAG针对中文医疗数据特性设计了自动化处理流水线，包含三大创新模块：
智能标注系统
- 支持HTTP/GPU双模式调用LLM（如Qwen2:7b）进行批量标注
- 自动识别医疗问题所属的科室（6大分类）和问题类型（8大类别）
- 输出结构化标注结果便于后续检索过滤
领域词表构建
- 采用多线程技术处理海量医疗文本
- 集成医疗专用分词器(pkuseg)提取专业术语
- 生成压缩词表文件(vocab.pkl.gz)优化BM25检索效率
混合向量生成
- 并行生成稠密向量（通过嵌入模型）和稀疏向量（基于词表）
- 支持批量嵌入和增量更新，适应知识库动态扩展
- 自动处理文本分块和元数据关联，确保检索上下文完整性
整个流程通过annotation.pyebuild_vocab.pyresponder cantandoinsert_data_to_collection.py三个脚本实现自动化，用户仅需准备原始QA数据即可完成端到端处理。
Essa resposta foi extraída do artigoMedical-RAG: uma estrutura de geração aumentada por recuperação para a construção de perguntas e respostas médicas chinesasO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " Medical-RAG在医疗数据预处理环节有哪些创新设计？
Português do Brasil 
简体中文 
English 
日本語 
Deutsch