libsvm 中文文本分类 语料库

自然语言处理语料库，可以用于训练。对话质量较高，噪音相对较少，任然需要做一些处理。

作为训练使用的语料库

用于邮件分类的语料库

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+

用于英文分类的测试集和训练集应用，分词，去停用词处理

用于语音情绪识别的语料库资料，还是蛮好的。希望用于模式识别的同学们能够用得到。

搜狗语料库

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。