1. 程式人生 > >中文情感分析語料庫【下載】

中文情感分析語料庫【下載】

轉自部落格:https://blog.csdn.net/noter16/article/details/75340354

http://blog.leanote.com/post/doubleseven/%E4%B8%AD%E6%96%87%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90%E8%AF%AD%E6%96%99%E5%BA%93

資料集1:情感挖掘的酒店評論語料

URL:http://www.nlpir.org/?action-viewnews-itemid-77

說明:譚鬆波收集整理了一個較大規模的酒店評論語料。語料規模為10000篇。語料從攜程網上自動採集,並經過整理而成。為了方便起見,語料被整理成4個子集: 1.ChnSentiCorp-Htl-ba-2000: 平衡語料,正負類各1000篇。

  1. ChnSentiCorp-Htl-ba-4000: 平衡語料,正負類各2000篇。
  2. ChnSentiCorp-Htl-ba-6000: 平衡語料,正負類各3000篇。

4.ChnSentiCorp-Htl-unba-10000: 非平衡語料,正類為7000篇。

 


 

 

資料集2:2012年CCF自然語言處理與中文計算會議:中文微博情感分析測評資料

URL:http://tcci.ccf.org.cn/conference/2012/pages/page10_dl.html

說明:資料來自騰訊微博 1。評測資料全集包括 20 個話題,每個話題採集大約 1000

條微博,共約 20000 條微博。資料採用xml格式,已經預先切分好句子。每條句子的所有標註資訊都包含在<sentence>元素的屬性中。其中opinionated表示是否觀點句,polarity表示句子情感傾向。

 


 

資料集3:中文情感挖掘語料-ChnSentiCorp

URL :http://www.datatang.com/data/14614

說明:語料庫涉及3個領域:酒店、電腦(筆記本)與書籍

去重後語料:

   1.ChnSentiCorp-Htl-del-4000: 平衡語料,正負類各2000篇。

   2.ChnSentiCorp-NB-del-4000: 平衡語料,正負類各2000篇。

   3.ChnSentiCorp-BK-del-4000: 平衡語料,正負類各2000篇。

 

 


 

資料集4:豆瓣網影評情感測試語料

URL:http://www.datatang.com/data/13539

說明:影評來自豆瓣網對電影《ICE AGE3》的評論,評分標準均按照5 stars評分在網頁中有標註。語料至527頁。每頁20條短評。 共計11323條評論。資料格式:HTML

 


 

資料集5:SemEval-2016

URL:http://alt.qcri.org/semeval2016/task5/index.php?id=data-and-tools

說明:移動手機,數碼產品評論資料,分為訓練資料和測試資料

 

訓練資料

測試資料

評論文件數

句子級數

評論文件數

句子級數

移動手機

140

6330

140

5784

數碼產品

60

3191

60

2556