中文情感分析语料库

桃扇骨 2022-06-06 08:17 280阅读 0赞

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][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。

1.  ChnSentiCorp-Htl-ba-4000: 平衡语料，正负类各2000篇。
2.  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][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][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][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][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

<table style="border-collapse:collapse; border-spacing:0px; max-width:100%; margin:5px 0px 16px; padding:6px 13px; border:1px solid rgb(221,221,221); width:676px; color:rgb(57,61,68); font-family:&quot;PingFang SC&quot;,&quot;Hiragino Sans GB&quot;,&quot;WenQuanYi Micro Hei&quot;,&quot;Microsoft YaHei&quot;,sans-serif; font-size:13px; line-height:23.4px; text-align:justify"> 
 <tbody style="margin:0px; padding:0px; width:702px"> 
 <tr style="margin:0px; padding:0px; border-top:1px solid rgb(204,204,204)"> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> &nbsp; </td> 
 <td colspan="2" style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 训练数据 </td> 
 <td colspan="2" style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 测试数据 </td> 
 </tr> 
 <tr style="margin:0px; padding:0px; border-top:1px solid rgb(204,204,204); background-color:rgb(248,248,248)"> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 评论文档数 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 句子级数 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 评论文档数 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 句子级数 </td> 
 </tr> 
 <tr style="margin:0px; padding:0px; border-top:1px solid rgb(204,204,204)"> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 移动手机 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 140 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 6330 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 140 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 5784 </td> 
 </tr> 
 <tr style="margin:0px; padding:0px; border-top:1px solid rgb(204,204,204); background-color:rgb(248,248,248)"> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 数码产品 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 60 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 3191 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 60 </td> 
 <td style="margin:0px; padding:6px 13px; border:1px solid rgb(221,221,221); border-collapse:collapse"> 2556 
 <div> 
 
 </div> </td> 
 </tr> 
 </tbody> 
</table>

[http_www.nlpir.org_action-viewnews-itemid-77]: http://www.nlpir.org/?action-viewnews-itemid-77
[http_tcci.ccf.org.cn_conference_2012_pages_page10_dl.html]: http://tcci.ccf.org.cn/conference/2012/pages/page10_dl.html
[http_www.datatang.com_data_14614]: http://www.datatang.com/data/14614
[http_www.datatang.com_data_13539]: http://www.datatang.com/data/13539
[http_alt.qcri.org_semeval2016_task5_index.php_id_data-and-tools]: http://alt.qcri.org/semeval2016/task5/index.php?id=data-and-tools