mtue29/vietnamese-medical-dataset

Vietnamese Medical Dataset

• —A lightweight dataset of (anchor, positive, negative) triplets for training Vietnamese medical text embeddings.
• —Anchors are short section headers, positives are answer snippets from the same article, and negatives are semantically related snippets from other articles in the same category (semi-hard negatives).

TL;DR

• —Language: Vietnamese
• —Domain: Healthcare / Patient education
• —Format: JSON
• —Use cases: Contrastive learning (TripletLoss / MultipleNegatives), retrieval, RAG
• —Source: Long Châu Pharmacy

Data format

Each line in *.json:

{
  "anchor": "Nhau thai bám mặt trước là gì?",
  "positive": "Nhau thai bám mặt trước là một hiện tượng cho thấy nhau thai phát triển tại thành tử cung trước...",
  "negative": "Sở dĩ có nhiều người hay gọi bệnh viêm tuyến giáp là bướu cổ - viêm tuyến giáp bởi bệnh này thường gây sưng ở cổ ...",
  "meta": {
    "article_id": 0,
    "category": "phong_benh_song_khoe/kien_thuc_y_khoa",
    "title": "Nhau bám mặt trước là trai hay gái? Thông tin cần biết về nhau bám mặt trước"
  }
}

Medical disclaimer

This dataset is for research and educational purposes. It does not replace professional medical advice, diagnosis, or treatment. Always consult qualified healthcare professionals.

Citation

If you use this dataset, please cite the repository:

@misc{vietnamese-medical-dataset,
  title  = {Vietnamese Medical Dataset},
  author = {Tue Phan Vo Minh},
  year   = {2025},
  url    = {https://huggingface.co/datasets/mtue29/vietnamese-medical-dataset}
}