云野Winfield

摘要： [TOC] 这次采用的数据集为 ，这份语料的质量还是不错的，内容也比较生活化。更多的语料数据可见： "中文公开聊天语料库" 首先，项目依赖： 准备数据 先 读取数据 ，然后打印几行看看语料质量： 打印结果： 可以看到，语料的基本质量还是可以的，不过其中还有一些不必要的符号，后续处理时要过滤掉 分词 阅读全文