干货下载 | 中文自然语言处理 语料/数据集

2018 年 12 月 27 日 七月在线实验室
干货下载 | 中文自然语言处理 语料/数据集

来源:GitHub

作者:SophonPlus


ChineseNlpCorpus

搜集、整理、发布中文自然语言处理 语料/数据集,与有志之士共同促进中文自然语言处理 的 发展。

情感/观点/评论 倾向性分析

1、ChnSentiCorp_htl_all 数据集

  • 数据概览:7000 多条酒店评论数据,5000 多条正向评论,2000 多条负向评论

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/ChnSentiCorp_htl_all/intro.ipynb


2、waimai_10k 数据集

  • 数据概览:某外卖平台收集的用户评价,正向 4000 条,负向 约 8000 条

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/waimai_10k/intro.ipynb


3、online_shopping_10_cats 数据集   

  • 数据概览:10 个类别,共 6 万多条评论数据,正、负向评论各约 3 万条, 包括书籍、平板、手机、水果、洗发水、热水器、蒙牛、衣服、计算机、酒店

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/online_shopping_10_cats/intro.ipynb


4、weibo_senti_100k 数据集

  • 数据概览:10 万多条,带情感标注 新浪微博,正负向评论约各 5 万条

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/weibo_senti_100k/intro.ipynb


5、simplifyweibo_4_moods 数据集

  • 数据概览:36 万多条,带情感标注 新浪微博,包含 4 种情感, 其中喜悦约 20 万条,愤怒、厌恶、低落各约 5 万条

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/simplifyweibo_4_moods/intro.ipynb


6、dmsc_v2 数据集

  • 数据概览:28 部电影,超 70 万 用户,超 200 万条 评分/评论 数据

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/dmsc_v2/intro.ipynb


7、yf_dianping 数据集

  • 数据概览:24 万家餐馆,54 万用户,440 万条评论/评分数据

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/yf_dianping/intro.ipynb


8、yf_amazon 数据集

  • 数据概览:52 万件商品,1100 多个类目,142 万用户,720 万条评论/评分数据

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/yf_amazon/intro.ipynb

中文命名实体识别

dh_msra 数据集

  • 数据概览:5 万多条中文命名实体识别标注数据(包括地点、机构、人物)

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/dh_msra/intro.ipynb


推荐系统



1、ez_douban 数据集

  • 数据概览:5 万多部电影(3 万多有电影名称,2 万多没有电影名称),2.8 万 用户,280 万条评分数据

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/ez_douban/intro.ipynb


2、dmsc_v2 数据集

  • 数据概览:28 部电影,超 70 万 用户,超 200 万条 评分/评论 数据

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/dmsc_v2/intro.ipynb


3、yf_dianping 数据集

  • 数据概览:24 万家餐馆,54 万用户,440 万条评论/评分数据

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/yf_dianping/intro.ipynb


4、yf_amazon 数据集

  • 数据概览:52 万件商品,1100 多个类目,142 万用户,720 万条评论/评分数据

  • 下载地址:

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/yf_amazon/intro.ipynb


项目传送门:

https://github.com/SophonPlus/ChineseNlpCorpus




今日学习推荐

机器学习集训营第七期

火热报名中

前一百人特惠价:14199元

2019年1月14日开课

三个月挑战年薪四十万,甚至拿更高薪~

2018年底之前报名加送售价2699元的18VIP

[包2018全年在线课程和全年GPU]


有意的亲们抓紧时间喽

两人及两人以上组团还能各减500元


咨询/报名/组团可添加微信客服

julyedukefu_02

长按识别二维码




年终大回馈  火爆进行中




经典好课   免费畅学 

长按识别下方二维码,关注公众号:七月在线

回复数字:77  立即开始畅学之旅

长按识别二维码


有机会获得机械键盘,硬盘,蓝牙耳机等炒鸡福利


仅部分奖品展示,更多详情见双旦会场




VIP年会员震撼升级 1折开抢


四大特权 畅学整年






100本纸质西瓜书免费包邮送

加送《数据挖掘》课程

长按识别下方二维码 后台回复:1224

进群领取

长按识别二维码



更多精品课程、一元秒杀、特惠等炒鸡福利

尽在双旦会场

长按识别下方海报二维码进入

往期推荐

GitHub标星10k,从零开始的深度学习实用教程 | PyTorch官方推荐

AI今年最大进展就是毫无进展?2019年AutoML、GAN将扛大旗

年终大回馈 | 100本纸质西瓜书免费包邮送

超级盘点 | Github年终各大排行榜(内附开源项目学习资源)

资源 | 《统计学习方法》的Python 3.6复现,实测可用(速收)


点击阅读原文,进入双旦会场

登录查看更多
24

相关内容

小贴士
相关资讯
最全中文自然语言处理数据集、平台和工具整理
深度学习与NLP
26+阅读 · 2019年6月22日
中文自然语言处理数据集:ChineseNLPCorpus
AINLP
19+阅读 · 2019年6月21日
别找了,送你 20 个文本数据集
机器学习算法与Python学习
35+阅读 · 2019年5月17日
NLP Chinese Corpus:大规模中文自然语言处理语料
PaperWeekly
12+阅读 · 2019年2月18日
中文NLP福利!大规模中文自然语言处理语料
新智元
33+阅读 · 2019年2月13日
干货 | 100+个NLP数据集大放送,再不愁数据!
数据派THU
11+阅读 · 2018年5月2日
自然语言处理(NLP)数据集整理
论智
19+阅读 · 2018年4月8日
资源 | 各领域公开数据集下载
黑龙江大学自然语言处理实验室
5+阅读 · 2017年12月31日
干货 | 情感分析语料库
机器学习算法与Python学习
55+阅读 · 2017年7月3日
相关VIP内容
专知会员服务
131+阅读 · 2020年7月10日
专知会员服务
112+阅读 · 2020年4月26日
专知会员服务
57+阅读 · 2020年4月23日
【教程】自然语言处理中的迁移学习原理,41 页PPT
专知会员服务
58+阅读 · 2020年2月8日
【EMNLP2019教程】端到端学习对话人工智能,附237页PPT下载
专知会员服务
45+阅读 · 2019年11月25日
[综述]深度学习下的场景文本检测与识别
专知会员服务
31+阅读 · 2019年10月10日
学习自然语言处理路线图
专知会员服务
56+阅读 · 2019年9月24日
相关论文
iSAID: A Large-scale Dataset for Instance Segmentation in Aerial Images
Syed Waqas Zamir,Aditya Arora,Akshita Gupta,Salman Khan,Guolei Sun,Fahad Shahbaz Khan,Fan Zhu,Ling Shao,Gui-Song Xia,Xiang Bai
6+阅读 · 2019年8月28日
Yiming Cui,Wanxiang Che,Ting Liu,Bing Qin,Ziqing Yang,Shijin Wang,Guoping Hu
11+阅读 · 2019年6月19日
Glyce: Glyph-vectors for Chinese Character Representations
Wei Wu,Yuxian Meng,Qinghong Han,Muyu Li,Xiaoya Li,Jie Mei,Ping Nie,Xiaofei Sun,Jiwei Li
6+阅读 · 2019年1月29日
Knowledge Representation Learning: A Quantitative Review
Yankai Lin,Xu Han,Ruobing Xie,Zhiyuan Liu,Maosong Sun
26+阅读 · 2018年12月28日
Stefan Constantin,Jan Niehues,Alex Waibel
3+阅读 · 2018年12月17日
Yu Zhu,Jinhao Lin,Shibi He,Beidou Wang,Ziyu Guan,Haifeng Liu,Deng Cai
8+阅读 · 2018年5月23日
Jian Xu,Chunheng Wang,Chengzuo Qi,Cunzhao Shi,Baihua Xiao
8+阅读 · 2018年4月3日
Mahsa Sadat Shahshahani,Mahdi Mohseni,Azadeh Shakery,Heshaam Faili
5+阅读 · 2018年1月30日
Kriste Krstovski,Michael J. Kurtz,David A. Smith,Alberto Accomazzi
3+阅读 · 2017年12月18日
Bryan Perozzi,Rami Al-Rfou,Steven Skiena
7+阅读 · 2014年6月27日
Top