那下面问题再来了 ，那你说我们的数据从哪儿来呀 ，你要训练一个模型 ，那是不是说得是特别的一些数据才能去做的呀 ，那是不是得是专门的得有一些训练自然处理 ，然后他专门数据集 ，然后单独拿过来训练 ，然后再把它用到我的数据集 ，或者应用到我的一些其他任务当中 ，啊说这个问题之前 ，我们现在想你说咱说这句话 ，比如说我先给大家讲课 ，我说这些东西 ，我说这些词语 ，我说今天咱们上自然处理这门课 ，今天咱们上课是咱们这个课程当中所特有的一些词吗 ，今天这个词你是不是在我们就是这篇文章当中能用 ，你在别的任务当中是不是也能用啊 ，我们的语言是不是可以跨一些区域的 ，或者是跨一些文本的 ，在我们上课里边我们会用到这些词 ，它表达这个含义 ，那今天这个词放到别的位置 ，它的含义就变了吗 ，没变吧 ，放到一个小说 ，放到一个新闻当中 ，永远都是表示唉就当前这一天的这个意思嘛 ，所以说我们的训练数据不用局限于你手里的这些东西 ，一切可利用的文本 ，只要是正常逻辑的 ，它都可以当做是一个训练数据 ，比如说你现在认为唉呀 ，你要对一些新闻数据建模 ，新闻数据当中 ，你希望把新闻数据当中啊每一个词都转换成一个向量 ，那你看你的新闻太少了 ，你可能只有100篇新闻 ，那100篇新闻这个语料库可能太少了 ，但是呢你手里有一些其他数据 ，比如说有个小说 ，或者有一些其他更庞大的数据集 ，可以吧 ，这个小说当中呢 ，可能的一个的一个规模是之前100篇的新闻 ，大概是一个他的100倍可以吧 ，那此时你说小说当中说到这些词 ，在你的新闻当中是不是也能利用到小说当中的词表达的含义跟新闻当中是不是也一样的 ，所以说啊当我们再去准备训练数据的过程当中 ，一切只要是合乎我们说话逻辑的东西 ，都可以当做是我的输入数据了 ，比如在这里维基百科当中我随便拿的一些词 ，

随便复制了这些东西都可以怎么样都可以进行一个什么样当做我的训练数据吧 ，