谭松波老师收集整理的酒店评论语料，一共有6000条评价预料，其中包含负面的3000条保存在neg文件夹中、正面的3000条保存在pos文件夹中。语料数据来源网络，如有侵权，请联系删除。再次感谢谭松波老师花费时间和心血收集整理并分类酒店评论语料。

word2vec介绍 word2vec官网：https://code.google.com/p/word2vec/ word2vec是google的一个开源工具，能够根据输入的词的集合计算出词与词之间的距离。 它将term转换成向量形式，可以把对文本内容的处理简化为向量空间中的向量运算，计算出向量空间上的相似度，来表示文本语义上的相似度。 word2vec计算的是余弦值，距离范围为0-1之间，值越大代表两个词关联度越高。 词向量：用Distributed Representation表示词，通常也被称为“Word Representation”或“Word Embedding

使两个机器人的相互对话生成语料，文本大小为1.03m，用于闲聊机器人的训练数据，使用 # 作为两个多轮对话之间的分隔符

TIMIT Acoustic Phonetic Continuous Speech Corpus 是一个英语语音识别数据，包括 630人8个不同地区的美国方言录制的音频信息。

情绪类型包括以下几个部分：angry、fear、happy、neutral、sad、surprise。总共有4个人，包括男女

MultiWOZ_训练语料 1.1 2.0 2.1 2.2

英文停用词词典（进行文本分词时使用），亲测可用，较全

对搜狗实验室的2012搜狐新闻语料进行切分、格式转换（已转为UTF8），从中抽取了11个新闻类别并分文件夹存储，每个txt文件包含600篇新闻。数据大概共54M，可以用于中文分类。

一些NLP数据/语料下载-附件资源

这个软件可以对设定的语料库分词，提词，频度分析。便于语料的处理