中文情感分析语料库

中文情感分析语料库

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

中文情感分析的语料库非常少，这五个中文语料库是我在网上的搜集的。

---

 

 

 

数据集1:情感挖掘的酒店评论语料

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

说明：谭松波收集整理了一个较大规模的酒店评论语料。语料规模为10000篇。语料从携程网上自动采集，并经过整理而成。为了方便起见，语料被整理成4个子集: 1.ChnSentiCorp-Htl-ba-2000: 平衡语料，正负类各1000篇。

2. ChnSentiCorp-Htl-ba-4000: 平衡语料，正负类各2000篇。
3. ChnSentiCorp-Htl-ba-6000: 平衡语料，正负类各3000篇。

4.ChnSentiCorp-Htl-unba-10000: 非平衡语料，正类为7000篇。

 

---

 

 

数据集2：2012年CCF自然语言处理与中文计算会议：中文微博情感分析测评数据

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

说明：数据来自腾讯微博 1。评测数据全集包括 20 个话题，每个话题采集大约 1000

条微博，共约 20000 条微博。数据采用xml格式，已经预先切分好句子。每条句子的所有标注信息都包含在<sentence>元素的属性中。其中opinionated表示是否观点句，polarity表示句子情感倾向。

 

---

 

数据集3：中文情感挖掘语料-ChnSentiCorp

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

说明：语料库涉及3个领域：酒店、电脑(笔记本)与书籍

去重后语料：

　　　1.ChnSentiCorp-Htl-del-4000: 平衡语料，正负类各2000篇。

　　　2.ChnSentiCorp-NB-del-4000: 平衡语料，正负类各2000篇。

　　　3.ChnSentiCorp-BK-del-4000: 平衡语料，正负类各2000篇。

 

 

---

 

数据集4：豆瓣网影评情感测试语料

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

说明：影评来自豆瓣网对电影《ICE AGE3》的评论，评分标准均按照5 stars评分在网页中有标注。语料至527页。每页20条短评。 共计11323条评论。数据格式：HTML

 

---

 

数据集5：SemEval-2016

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

说明：移动手机，数码产品评论数据，分为训练数据和测试数据

 

训练数据

测试数据

评论文档数

句子级数

评论文档数

句子级数

移动手机

140

6330

140

5784

数码产品

60

3191

60

2556