xwzhong

1. 电影，电视剧等字幕对话。至于哪些方面的数据能用，需要看你针对的方面，比如日常对话，可以多找找符合生活方面的影视作品。
2. 百度贴吧、微博等社区平台去爬。爬虫技术要求较高，需要突破平台的反扒机制， sina 微博还需要模拟登陆，当然你也可以使用 sina 开放平台提供的 api ，但是有频率限制。最好是根据自己的需要前往指定的平台爬取数据，比如你计划专注于汽车领域的问题，可以去汽车之家这些特定的平台爬取。
3. 写个程序，用两个机器人互相对话，比如：小冰、小黄鸡、图灵机器人等。能用性待调研。（我预测不太行，除了小冰的回答准确率高一点，其他的待商榷）
4. 看看别人做 chatbot 的时候用的语料是什么，论文一般会有说 5. 最后一个虽然需要买，但个人认为最优质的语料： http://blog.sina.com.cn/s/blog_16d74e01f0102x0o6.html

作者：诺言
链接： https://www.zhihu.com/question/44764422/answer/137439552
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。