语料库英文原版新书Biber：CorpusLinguistics[2000][P]djvu

用于英文分类的测试集和训练集应用，分词，去停用词处理

AIML Corpus Alice Bot Corpus (Chinese + English)

LOB语料库 创建时间: 1970年代初 创建单位:英国Lancaster大学和挪威Oslo大学以及Bergen大学 规模层级: 100万词次 基本情况:研究当代英国英语,与美国英语对比,使用了TAG

英文分词语料库，共有198796行，每个单词都有词性标注，对句话的结束都有句号，便于处理。覆盖大部分主流行业的语料。 例如： Newsweek/NNP ,/, trying/VBG to/TO kee

COCA20000高频词汇。COCA=CorpusofContemporaryAmericanEnglish(COCA)这是英语国家使用频率最高的词汇集合。从众多语料库（corpus）中提取。用大数据

OHSUMED数据集合由WilliamHersh和他的同事们一起建立，其文档来源于医药信息数据库MEDLINE10，它包含了从1987年到1991年五年间270个医药类杂志的标题和/或摘要，包含了34

NBCorpus英文语料库已近做好分词，但是未去除停用词。

作为训练使用的语料库

语料库资源里有网上购酒评论，分为积极评论与消极评论； 资源里还包括中文停用词1800+

icws 语料库 很有作用 关于博客中的个人故事