NLP文本分类语料库(复旦)语料训练集

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.Chn

noizeus语料库，包括纯净语料，各种含噪声语料，如车内，机场，餐馆，火车等

这是为学习数据挖掘的朋友们做的一个语料库,用此语料库作为训练集训练数据,对数据进行预处理等,帮助大家更好的学习数据挖掘!本语料库所有文档均下载自新浪网站!

Alice问答系统的aiml格式对话语料，最新语料大小7.8MB（不同于之前的官方语料库仅有1~2MB）,格式为aiml格式，直接可以供alicebot训练使用。

人民日报1998年1月份的语料库，加入了词性标注，北京大学开发，中文分词统计的好资料

中文自然语言处理文本分类语料,共15个分类,类别包括财经、电竞、房产、国际、教育、军事、科技、旅游、民生、农业、汽车、体育、文化、娱乐、证券

以下是英文维基语料库的下载链接，包含训练集、测试集和验证集。这些语料库是进行NLP预训练模型微调的必备资源，特别适用于language model和text generation场景。下载后，您可以使

文本分类，聚类，中文语料包含类别：政治艺术医药体育军事经济教育交通计算机环境

文本分类训练样本集,主要为新闻集,将近万余个样本,已完成标签分类,可用于文本分类模型训练,主要为源文本内容,下载后需要自行中文分词等预处理

复旦大学中文文本分类训练集和测试集，all文件夹为复旦大学中文文本分类语料集，test_corpus为该语料集中挑选部分划分出来的，train_corpus为该语料集中挑选test_corpus后剩余