中文情感分析語料庫

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

中文情感分析的語料庫非常少，這五個中文語料庫是我在網上的搜集的。

---

?

?

?

數據集1:情感挖掘的酒店評論語料

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

說明：譚松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采集，并經過整理而成。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。

ChnSentiCorp-Htl-ba-4000: 平衡語料，正負類各2000篇。

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。

?

---

?

?

數據集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數據

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

說明：數據來自騰訊微博 1。評測數據全集包括 20 個話題，每個話題采集大約 1000

條微博，共約 20000 條微博。數據采用xml格式，已經預先切分好句子。每條句子的所有標注信息都包含在<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。

?

---

?

數據集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

去重后語料：

　　　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。

?

?

---

?

數據集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評分在網頁中有標注。語料至527頁。每頁20條短評。 共計11323條評論。數據格式：HTML

?

---

?

數據集5：SemEval-2016

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

說明：移動手機，數碼產品評論數據，分為訓練數據和測試數據

?	訓練數據		測試數據
	評論文檔數	句子級數	評論文檔數	句子級數
移動手機	140	6330	140	5784
數碼產品	60	3191	60	2556

?

總結

以上是生活随笔為你收集整理的中文情感分析语料库的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。