egret-wenda-corpus:机器学习的公共语料库

重要提示 训练机器学习模型，评测算法和交流，可以使用另外一个质量更好的语料库了 - Egret Wenda Corpus 中文问答语料 QA Corpus, based on . 在做机器学习的过程中，训练问答机器人的过程往往需要高质量的数据。针对英文，有很多庞大的预料库，针对中文，公开的资料很少。 在学习的过程中，我接触到了，这也启发在技术社区挖掘出一些数据，制作语料。 目前这版语料，是从白鹭时代官方论坛问答板块10,000+ 问题中，选择被标注了“最佳答案”的纪录汇总而成。 使用爬虫将目标数据存储到数据库 从数据库生成raw data 人工review raw data，给每一个问题，一个可以接受的答案。 目前，语料库包含2907个问答，虽然问题库很小，但针对一个垂直领域而言，也许足够了。 DESCRIPTION In all files the field separator is