Gossiping-Chinese-Corpus 是数据集领域的开源项目，由 zake7749 开发，2017 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 245。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-18。开源数据集，Apache-2.0许可，完全免费，可自由下载使用。
它主要面向的使用场景是：训练中文闲聊型聊天机器人。同类可对比的替代方案包括 DuConv、LCCC、THUCNews。
Gossiping-Chinese-Corpus
用PTT八卦版海量问答，训练接地气的中文聊天机器人。
这是一个从台湾PTT八卦版抓取并整理的问答中文语料库，用于训练中文聊天机器人。项目将论坛中的帖子标题作为问题、回帖内容作为回答，构建了大规模的中文对话数据集，解决了中文闲聊语料稀缺的问题。核心能力包括提供清洗后的结构化数据、支持多种数据格式、以及配套的预处理脚本。数据量较大，覆盖社会、娱乐、生活等多元话题，风格口语化且带有网络用语，适合训练风格活泼的对话模型。项目早期由社区维护，数据持续更新，为中文NLP研究者和开发者提供了便捷的语料获取途径。
开源
free
对话助手
GitHub 星标
★ 245
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类对话助手
开发团队zake7749
所属国家
定价模式free
价格说明开源数据集，Apache-2.0许可，完全免费，可自由下载使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Jupyter Notebook
技术栈/模型chatbot,chatbot-corpus,chinese-chatbot,chinese-corpus,chinese-dataset,chinese-nlp,corpus,dataset,dialog,ptt,question-answering
GitHub 星标★ 245
30天Star增速
HF 下载量
上线时间2017-06-28 00:00:00
最近更新2026-09-18 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 数据源自真实论坛，口语化强，贴近日常聊天场景
- 数据量充足，话题覆盖广，便于训练多样化的对话模型
- 提供清洗和预处理流程，降低使用门槛
不足之处
- 数据包含大量网络俚语和敏感内容，需额外过滤
- 文档/社区待观察
适用场景
- 训练中文闲聊型聊天机器人
- 构建中文对话系统的预训练语料
- 研究网络语言和社交媒体文本分析
替代项目
DuConv、LCCC、THUCNews
项目介绍
上一篇：Chatette
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models