健康体检支付退款问数垂类大模型语料数据

该数据可用于训练健康体检支付退款问数垂类大语言模型，使其能够深度理解体检订单在支付状态、支付方式、退款状态、价格带、套餐类别、发票申请、结算状态和订单金额方面的自然语言问题，并准确生成SQL查询。依托 `dwd_exam_payment_refund_fact` 表中的 `order_code`、`order_month`、`institution_code`、`institution_type`、`package_category`、`price_band`、`payment_status`、`payment_method`、`invoice_requested`、`settlement_status`、`order_amount`、`invoice_amount` 等字段，模型可理解“某月微信支付订单支付完成率是多少”“退款订单主要集中在哪些套餐类别”“高价套餐退款率是否偏高”“申请发票订单的平均金额是多少”等财务运营问题。财务、运营和客服团队可基于该语料快速适配支付转化、退款治理、发票服务、收入确认和结算复盘场景，降低人工核算支付台账和退款台账的成本。本数据为健康体检行业提供面向1.数据预处理：对订单月份、机构类型、套餐类别、价格带、支付状态、支付方式、发票申请状态、结算状态、订单金额和发票金额进行清洗，统一支付状态为未支付、待支付、已支付、已退款、退款中、申请退款等口径。金额字段保留两位小数并进行非负校验，价格带与订单金额、套餐类别保持一致。 2.问题收集与分类：从财务运营、支付转化、退款处理、发票服务和收入复盘场景中收集问题，按支付状态结构、支付方式结构、支付完成率、退款订单、退款率、价格带支付、套餐类别支付、发票申请支付、结算支付联动、平均订单金额和支付流失等类别组织语料。 3.核心算法建模：构建“语义解析-查询生成-异常检测-逻辑验证”全流程算法体系。 （1）语义解析与结构化：将“已支付”“待支付”“已退款”“退款中”“微信支付”“支付宝”“申请发票”“平均订单金额”“退款率”等表达映射到 `payment_status`、`payment_method`、`invoice_requested`、`order_amount`、`invoice_amount` 字段。 （2）SQL生成与初步验证：支付完成数通过 `payment_status='已支付'` 条件聚合，退款相关订单数通过已退款、退款中、申请退款等状态聚合，退款率和支付率按订单数计算，平均订单金额使用 `AVG(order_amount)`，发票金额使用 `SUM` 或 `AVG(invoice_amount)`。 （3）异常值检测：检测订单金额、发票金额是否为负，检测发票金额是否明显超过订单金额，检测支付率、退款率是否超出0-100%，检测退款状态是否被错误计入支付完成订单。 （4）逻辑核验与优化：由财务或运营人员核验支付状态、退款状态、发票申请和结算状态之间的业务逻辑，确保结果可用于支付转化分析和退款治理。 4.语料库迭代优化：根据模型在支付退款问数中的反馈，持续补充高退款价格带、低支付转化月份、发票申请异常和结算未闭环样本。该算法规则确保本语料数据能够支撑体检支付退款链路的自然语言查询、模型训练和财务运营评测。

搜集汇总

背景与挑战

背景概述

该数据集是面向健康体检支付退款场景的垂类大模型语料数据，规模5059条，包含订单支付、退款、发票、结算等多维度字段及自然语言问数-SQL查询映射，可用于训练模型理解并生成财务运营相关SQL查询。数据经过清洗、分类和算法建模，支持支付转化、退款治理、发票服务和收入复盘等场景，已获数据知识产权登记。