NLP语料、数据集

医疗NLP领域 https://github.com/lrs1353281004/Chinese_medical_NLP

为中文自然语言处理领域发展贡献语料 来自 <https://github.com/brightmart/nlp_chinese_corpus> 1.维基百科(wiki2019zh)，100万个结构良好的中文词条 2.新闻语料(news2016zh)，250万篇新闻，含关键词、描述 3.百科问答(baike2018qa)，150万个带问题类型的问答 4.社区问答json版(webtext2019zh)，410万个高质量社区问答，适合训练超大模型 5.翻译语料(translation2019zh)，520万个中英文句子对

Chinese-poetry: 最全中华古诗词数据库 来自 <【Github】Chinese-poetry: 最全中华古诗词数据库>

THUCTC: 一个高效的中文文本分类工具包 来自 <THUCTC: 一个高效的中文文本分类工具>

 实体识别

https://github.com/CLUEbenchmark/CLUENER2020

清华大学开源的文本分类：CLUE

中文NLP.数据集搜索：https://www.cluebenchmarks.com/dataSet_search.html

常见中文NER数据集大盘点： 

综合

CLUEDatasetSearch：中英文NLP数据集

几乎最全的中文NLP资源库

对话语料

chinese_chatbot_corpushttps://github.com/codemayq/chinese_chatbot_corpus

任务型对话：Task-Oriented-Dialogue-Research-Progress-Surveyhttps://github.com/AtmaHou/Task-Oriented-Dialogue-Research-Progress-Survey 用于对话系统的中英文语料https://github.com/candlewill/Dialog_Corpushttps://github.com/candlewill/Dialog_Corpus