面向任务的对话系统是智能问答系统最热门和最有应用价值的子领域之一,而面向任务的对话系统需要大量的标注数据进行训练,数据标注工作量非常大。近年来,网络众包方式得到了广泛的应用,如果能够利用众包技术,进行语料标注,那么就能够使得研究人员更方便的获取有价值的语料信息,方便进行语料分析和开展机器学习的研究。针对上述需求,本文提供了一个让用户进行信息浏览,标注,点评的平台。同时,在用户标注和评论信息的时候,通过数据挖掘和机器学习的算法来实现根据用户的不同个性为他们推荐不同的数据,这样就方便了用户标注和评论。本文在阅读和详细了解众包的相关资料和国内外使用的情况下,提出了使用众包这种模式来解决机器学习中大量语料标注的问题。本文系统实现采用三层架构模式,后台数据库存储由FP-growth算法生成的规则,以及从数据集属性中提取的工人们、数据集和槽动作的知识库。开发该软件的步骤包括收集信息、建立数据库和用例、使用PHP、CSS、HTML、JavaScript、MySQL和java构建应用程序,该项目在Freemarker Apache服务器上运行。目前该系统已经完成了测试,所有测试结果都符合要求,已经可以投入使用,最终交付的产品将用于尼日利亚的公司。