ace2005中文数据集_中文NLP数据集

中文自然语言处理语料/数据集

SophonPlus/ChineseNlpCorpus​github.com

搜狗实验室

搜狗实验室（Sogou Labs）​www.sogou.com

中文文本分类数据集THUCNews

THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成，包含74万篇新闻文档（2.19 GB），均为UTF-8纯文本格式。我们在原始新浪新闻分类体系的基础上，重新整合划分出14个候选分类类别：财经、彩票、房产、股票、家居、教育、科技、社会、时尚、时政、体育、星座、游戏、娱乐。使用THUCTC工具包在此数据集上进行评测，准确率可以达到88.6%。

THUCTC: 一个高效的中文文本分类工具​thuctc.thunlp.org

复旦大学中文情感挖掘语料

中文情感挖掘语料-ChnSentiCorp - NLPIR自然语言处理与信息检索共享平台​www.nlpir.org SophonPlus/ChineseNlpCorpus​github.com