资料包里面含有完整版的复旦大学语料库，外加上本人针对这个语料库而收集整理的分词表，还包括本人精选10类各100篇，以及对其进行分词后的文件，以及只筛选名词后的文件

包含2015年一整年的新闻，文件以txt形式存储，是从各大网站上爬取下来的。希望喜欢

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。

香港城市大学语料库（1 772 202 字，训练集）、微软亚洲研究院语料库（1 089 050 字，训练集）、北京大学语料库（1 833 177 字，训练集）

中文情感分析语料库，包含 酒店、服装、水果、平板、洗发水 等 5 个领域的评价数据，每个领域各包含 5000 条正面和负面评价，数据抓取于 携程网 和 京东 ，仅供科研学习之用，欢迎下载使用！

平行语料库，用于机器翻译等大数据处理,有需要的可以下来用，可以直接用，不用全角半角变换

该评论语料库采集自京东商城，包含电脑评论、手机评论、图书评论、服装评论等19个不同种类的消费者评论，共有58万条评论记录。数据文件中每条评论记录占一行，每条评论句后面给出类别标注，分隔符为"\t"。该语料库是研究评论文本较好的训练数据集。

语料库，自己整理的，对txt文件进行去停用词、分词。（停用词是指对文本含义几乎没有影响的词，这些词存入到.txt，分词调用的结巴分词库）

用于HMM中文分词训练，代码可以参见：https://blog.csdn.net/qq_38593211/article/details/81637029

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。