Nlp 情绪分析的训练数据

我在哪里可以获得已被归类为公司领域积极/消极情绪的文档集？我想要一个为公司提供评论的大型文档库，比如分析师和媒体提供的公司评论

---

我发现有产品和电影评论的语料库。是否有与商业语言相匹配的商业领域语料库（包括公司评论）？

我不知道有任何此类语料库可以免费获得，但您可以在未标记的数据集上尝试使用。

你可以用twitter的笑脸，比如：

希望这能让你开始。如果你对特定的子任务感兴趣，比如否定，情绪范围，等等，文献中还有更多

为了关注公司，您可以将一种方法与主题检测相结合，或者廉价地大量提及某家公司。或者你可以用机械土耳其人对你的数据进行注释。

这里还有一些

---

如果你有一些关于你想探索的领域的资源（媒体频道、博客等），你可以创建自己的语料库。 我在python中这样做：

• 使用Beautiful Soup解析我想要分类的内容
• 将这些句子分开，表示对公司的积极/消极看法
• 使用NLTK处理这些句子、标记单词、词性标记等
• 使用NLTK PMI计算仅在一个类中频繁出现的二元图或三元图

---

创建语料库是一项艰苦的工作，包括预处理、检查、标记等，但其好处是为特定领域准备一个模型，可以多次提高准确性。如果您已经准备好语料库，只需继续进行情绪分析；）

您可以从Datafiniti获得大量在线评论。大多数评论都有评级数据，这将提供比正面/负面更详细的情绪信息。这是一个，这是一个。

这是我几周前写的一个列表，来自。其中一些数据集最近已包含在NLTK Python平台中

词汇

• 刘冰的观点词典
  • URL：
  • 论文：
  • 注释：包含在NLTK Python平台中
• MPQA主观性词汇
  • URL：
  • 论文：
• SentiWordNet
  • URL：
  • 注释：包含在NLTK Python平台中
• 哈佛普通询问者
  • URL：
  • 论文：
• 语言查询和字数统计（LIWC）
  • URL：
• 维德词典
  • URL：
  • 论文：

---

数据集集合

• MPQA数据集
  • URL：
  • 注意：GNU公共许可证
    • 政治辩论数据
    • 产品辩论数据
    • 主观性意义诠释
• 情绪140（推特）
  • URL：
  • 论文：
  • URL：
• STS金牌（推特）
  • URL：
  • 论文：
  • 注释：如图所示，但数据集较小，且带有人工注释器。它有3个文件：推特、实体（及其情感）和聚合集
• 客户评论数据集（产品评论）
  • URL：
  • 论文：
  • 注释：评论标题、产品特征、带有意见强度的正面/负面标签、其他信息（比较、代词解析等）
  包含在NLTK Python平台中

• 正反两面数据集（正反两面句子）
  • URL：
  • 论文：
  • 注释：标记为
    或

  包含在NLTK Python平台中

• 比较句（评论）
  • URL：
  • 论文：
  • 注释：句子、词性标记句子、实体、比较类型（不相等、相等、最高级、不可分级）
  包含在NLTK Python平台中

• 桑德斯分析推特情感语料库（推特）
  • URL：
  5513条手工分类的推文包含4个不同的主题。由于Twitter的ToS，一个小的Python脚本被用来下载所有tweet。情绪分类本身是免费提供的，没有任何限制。它们可用于商业产品。它们可能会被重新分配。它们可能会被修改

• 西班牙语推文（推文）
  • URL：
• SemEval 2014（推特）
  • URL：
  您不得重新分发（从自述文件中）获得的推文、注释或语料库

• 各种数据集（评论）
  • URL：
  • 论文：
• 各种数据集#2（评论）
  • URL：

---

参考文献：

• （我的博客）
• 个人经历

---

另请参见此相关问题：仅供参考