stanford-corenlp-full-2014-08-27
斯坦福大学自然语言处理研究组发布的有关自然语言处理的核心jar包,可用于分词等操作
BeerAdvocate--Preprocess
该语料为啤酒评论数据,共150W条评论,可用于细粒度的情感分析任务当中,即aspect extraction任务当中。
由于资源大小的限制,本资源分为原始数据和处理后的数据,该文件为处理后数据。在处理后数据当中,包含相应的词嵌入模型。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
BeerAdvocate--Source
该语料为啤酒评论数据,共150W条评论,可用于细粒度的情感分析任务当中,即aspect extraction任务当中。
由于资源大小的限制,本资源分为原始数据和处理后的数据,该文件为原始数据。在原始数据当中,包含1000条带标注信息的评论,共9245条句子,标注类别为Feel、Look、Smell、Taste和Overall五种Aspect类别。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
Citysearch Corpus
该语料库为餐馆评论数据,收集自Citysearch New York网站,可用于细粒度的情感分析任务中,即aspect extraction任务当中。在本资源中,原始数据中包含28W条无标注信息的训练数据,以及3400条带标准信息的测试数据。此外,资源中还包括对原始数据进行处理后的数版本,及已经训练好的词嵌入模型。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
NLPCC2012评估任务_面向中文微博的情感分析
该语料主要用于中文微博中的情感句识别、情感倾向性分析和情感要素抽取。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
NLPCC2013评估任务_跨领域情感分类
给定已标注倾向性的英文评论数据和英文情感词典,要求只利用给出的英文情感资源进行中文评论的情感倾向分类。该任务注重考察多语言环境下情感资源的迁移能力,有助于解决不同语言中情感资源分布的不均衡问题。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
NLPCC2013评估任务_中文微博情绪识别
该语料主要用于识别出整条微博所表达的情绪,不是简单的褒贬分类,而是涉及到多个细粒度情绪类别(例如悲伤、忧愁、快乐、兴奋等),属于细粒度的情感分类问题。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
NLPCC2013评估任务_中文微博观点要素抽取
该语料主要用于识别微博观点句中的评价对象和极性。训练数据由两个微博主题组成,每个主题各一百条,内含标注及数据说明。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
NLPCC2014评估任务2_基于深度学习的情感分类
该语料共包含中文和英文两种语言,主要是商品评论,评论篇幅都比较短,可以被应用于篇章级或者句子级的情感分析任务。数据集被分为训练数据、测试数据、带标签的测试数据三个文件,共有正向和负向两种极性。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
MPQA(Multiple-Perspective QA)
Janyce Wiebe等人所开发的MPQA(Multiple-Perspective QA)库:包含535 篇不同视角的新闻评论,它是一个进行了深度标注的语料库。其中标注者为每个子句手工标注出一些情感信息,如观点持有者、评价对象、主观表达式以及其极性与强度。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
康奈尔影评数据集
该语料由电影评论组成,其中持肯定和否定态度的各1,000 篇;另外还有标注了褒贬极性的句子各5331句,标注了主客观标签的句子各5000句。该语料可以被应用于各种粒度的,如词语、句子和篇章级情感分析研究中。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
知网主张词语词典
该词典主要发呢为中文和英文两部分,共包含如下数据:中文主张词语38个、英文主张词语35个。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
知网程度级别词语词典
该词典主要发呢为中文和英文两部分,共包含如下数据:中文程度级别词语219个、英文程度级别词语170个。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
台湾大学中文情感极性词典
该词典为简体的情感极性词典,共包含2812个正向情感词和8278个负向情感词,可以用于二元情感分类任务当中。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
大连理工大学情感词汇本体库(无辅助情感分类)
该资源主要用于情感分析中,而且是基于规则的算法,主要是提供情感极性、程度等先验知识。在该词典当中,每个情感词都被分为正向、负向、中性三个情感极性,并具有从0到10等不同大小的情感程度,且分为七个情感大类(乐、好、怒、哀、惧、恶、惊)和21个小类。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
SemEval-2014 Task 4数据集
SemEval-2014 Task 4数据集主要用于细粒度情感分析,包含Laptop和Restaurant两个领域,每个领域的数据集都分为训练数据、验证数据(从训练数据分离出来)和测试数据,非常适用于有监督的机器学习算法或者深度学习算法,如LSTM等。文件格式为.xml。
情感分析资源大全:http://blog.csdn.net/qq280929090/article/details/70838025
中文停用词列表
根据网上现有全部资源,对所谓“哈工大停用词词库”、“四川大学机器学习智能实验室停用词库”、百度停用词表“等等各种停用词表,整理去重在提取中文词(而不是大量英文词和中文标点符号)出了一个比较全面的词表出来,一共1598个。
谭松波-酒店评论语料-UTF-8,10000条
现在网上大部分谭松波老师的评论语料资源的编码方式都是gb2312,本资源除了原始编码格式,还具有UTF-8编码格式。
本资源还包含将所有语料分成pos.txt和neg.txt两个文件,每个文件中的一行代表原始数据的一个txt文件,即一篇评论
JAVA实现ElasticSearch的简单实例
在eclipse上,操作elasticsearch的简单程序