首先需要获取大量的对话数据，数据可以使用网上公开的数据集，也可以自己爬取。 你也可以抽取电影里的对话字幕，途径很多。

本项目中的 dgk_shooter_min.conv 文件是事先按某种格式处理好的问答数据集。 得到预处理数据集后，还需根据每个问答句子的长度，将数据划分为不同的bucket。 比如bucket_5_15.db这个文件存储的问答内容，question的长度小于等于5，answer的长度小于等于15。 至于为什么要划分为不同的bucket，可以参考下面这个链接，其实就是为了节省空间。

• decode_conv.py 读取预处理好的问答数据文件 dgk_shooter_min.conv，存放到 ./bd 目录下的conversation.db文件中

• data_utils 读取conversation.db文件，按问答的不同长度，划分为不同的bucket。 最终在./bucket_dbs目录下会生成bucket_5_15.db、bucket_10_20.db、bucket_15_25.db和bucket_20_30.db四个文件。

• s2s.py 读取./bucket_dbs下的db数据进行训练与测试