为了弥补国内在中文情感挖掘方面的语料的匮乏，谭松波收集整理了一个较大规模的酒店评论语料。语料规模为10000篇。语料从携程网上自动采集，并经过整理而成。为了方便起见，语料被整理成4个子集: 1.ChnSentiCorp-Htl-ba-2000: 平衡语料，正负类各1000篇。 2.ChnSentiCorp-Htl-ba-4000: 平衡语料，正负类各2000篇。 3.ChnSentiCorp-Htl-ba-6000: 平衡语料，正负类各3000篇。 4.ChnSentiCorp-Htl-unba-10000: 非平衡语料，正类为7000篇。

文件为JSON格式数据，很容易解析，包括歌词、歌名、歌手等信息，包括各种风格的歌曲，大约1万8千首左右（未去重）。可以用作歌词生成模型训练、中文歌词向量模型训练等。

微博褒贬语料已标注，可以下载下来直接跑程序，褒贬都已经标注好了。

这是本人自己爬取的今日头条新闻数据。包括了6个类别：军事，体育，娱乐，时尚，汽车，游戏。每个类别有2000左右的数据。包含有新闻的题目，正文。还有一些类别中包含了新闻的发布时间，新闻来源等信息。

2018最新最全nlp中文问答语料对，包括常规问答，笑话等

包含背景知识和问答的问答系统训练的中文语料，数据规范，问答包含正确和错误标签。

法律类句子对齐语料，是跨语言信息技术的实用好资源

本语料库由复旦大学李荣陆提供。训练语料和测试语料两个预料各分为20个相同类别。训练语料和测试语料基本按照1:1的比例来划分。使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）

共50.38MB。本语料库由复旦大学李荣陆提供。test_corpus.rar为测试语料，共9833篇文档；train_corpus.rar为训练语料，共9804篇文档，两个预料各分为20个相同类别。训练语料和测试语料基本按照1:1的比例来划分。使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）

从百度百科词条知识库中爬取下来的百万条百科知识，可用于自然语言处理、QA问答、知识图谱、实体识别、关系抽取等技术研究