文本分类（情感分析）——中文数据集汇总
本资源文件汇总了多个用于中文文本分类和情感分析的数据集，涵盖了新闻、评论、社交媒体等多种类型的文本数据。这些数据集可用于训练和评估文本分类、情感分析等自然语言处理任务的模型。
数据集列表
- THUCNews数据集
- 包含74万篇新闻文档，涵盖14个分类类别，如财经、彩票、房产、股票等。
- 今日头条新闻数据集
- 包含382688条新闻，分布于15个分类中。
- 全网新闻（SougouCA）和搜狐新闻（SougouCS）数据集
- 处理起来比较繁琐，不推荐使用。
- ChnSentiCorp_htl_all数据集
- 包含7000多条酒店评论数据，其中正向评论5000多条，负向评论2000多条。
- waimai_10k数据集
- 包含某外卖平台收集的用户评价，正向4000条，负向约8000条。
- online_shopping_10_cats数据集
- 包含10个类别（书籍、平板、手机、水果、洗发水、热水器、蒙牛、衣服、计算机、酒店），共6万多条评论数据，正、负向评论各约3万条。
- weibo_senti_100k数据集
- 包含10万多条带情感标注的新浪微博，正负向评论约各5万条。
- simplifyweibo_4_moods数据集
- 包含36万多条带情感标注的新浪微博，包含4种情感，其中喜悦约20万条，愤怒、厌恶、低落各约5万条。
- dmsc_v2数据集
- 包含28部电影，超70万用户，超200万条评分/评论数据。
- yf_dianping数据集
- 包含24万家餐馆，54万用户，440万条评论/评分数据。
- yf_amazon数据集
- 包含2万件商品，1100多个类目，142万用户，720万条评论/评分数据。
- Datahub数据中心
- 包含文本分类、情感分析以及知识图谱的数据集。
- AI_challenger情感分析数据集
- 数据集分为训练、验证、测试A与测试B四部分，评价对象按照粒度不同划分为两个层次。
使用说明
这些数据集可用于训练和评估文本分类、情感分析等自然语言处理任务的模型。部分数据集需要先进行处理才可以进行训练，具体处理方法可参考相关文献或教程。
贡献与反馈
如果您有其他中文文本分类或情感分析的数据集，欢迎补充。如果您在使用过程中发现任何问题或有任何建议，请在评论区留言。