情感分析资源⼤全（语料、词典、词嵌⼊、代码）
该博客收集情感分析领域中⼀些语料、词典等。
如果引⽤到下列语料、词典等数据，出于尊重作者的学术成果，在⽂章中还请引⽤相关的⽂献。
1 语料库
南通市环保局
1.1 谭松波-酒店评论语料-UTF-8,10000条
现在⽹上⼤部分谭松波⽼师的评论语料资源的编码⽅式都是gb2312，本资源除了原始编码格式，还具有UTF-8编码格式。 本资源还包含将所有语料分成和两个⽂件，每个⽂件中的⼀⾏代表原始数据的⼀个txt⽂件，即⼀篇评论。
下载地址为：谭松波-酒店评论语料-UTF-8,10000条
1.2 SemEval-2014 Task 4数据集
SemEval-2014 Task 4数据集主要⽤于细粒度情感分析，包含Laptop和Restaurant两个领域，每个领域的数据集都分为训练数据、验证数据（从训练数据分离出来）和测试数据，⾮常适⽤于有监督的机器学习算法或者深度学习算法，如LSTM等。⽂件格式为.xml，其数据统计如下：七年级政治上册
下载地址为： SemEval-2014 Task 4数据集
1.3 Cityarch corpus
该语料库为餐馆评论数据，收集⾃Cityarch New York⽹站，可⽤于细粒度的情感分析任务中，即aspect extraction任务当中。在本资源中，分为原始数据和处理后数据两部分，其统计如下：
其中，训练数据不包含标注信息；测试数据中包含标注信息，标注类别为预先定义的6个aspect类型，依次为Food、Staff、Ambience、Price、Anecdotes和Miscellaneous，可⽤于验证模型的有效性；在处理后数据⽂件夹中，还包含对应的词嵌⼊模型。
下载地址：Cityarch corpus失恋的句子说说心情
1.4 BeerAdvocate
该语料为啤酒评论数据，共150W条评论，可⽤于细粒度的情感分析任务当中，即aspect extraction任务当中。
由于资源⼤⼩的限制，本资源分为原始数据和处理后的数据。在原始数据当中，包含1000条带标注信息的评论，共9245条句⼦，标注类别为Feel、Look、Smell、Taste和Overall五种Aspect类别；在处理后数据当中，包含相应的词嵌⼊模型。2018nba全明星
原始数据下载地址：BeerAdvocate–Source
处理后数据下载地址：BeerAdvocate–Preprocess
1.5 NLPCC2014评估任务2_基于深度学习的情感分类
该语料共包含中⽂和英⽂两种语⾔，主要是商品评论，评论篇幅都⽐较短，可以被应⽤于篇章级或者句⼦级的情感分析任务。数据集被分为训练数据、测试数据、带标签的测试数据三个⽂件，共有正向和负向两种极性。
下载地址：NLPCC2014评估任务2_基于深度学习的情感分类
1.6 NLPCC2013评估任务_中⽂微博观点要素抽取
该语料主要⽤于识别微博观点句中的评价对象和极性。训练数据由两个微博主题组成，每个主题各⼀百条，内含标注及数据说明。
下载地址：NLPCC2013评估任务_中⽂微博观点要素抽取
1.7 NLPCC2013评估任务_中⽂微博情绪识别
该语料主要⽤于识别出整条微博所表达的情绪，不是简单的褒贬分类，⽽是涉及到多个细粒度情绪类别(例如悲伤、忧愁、快乐、兴奋等)，属于细粒度的情感分类问题。
下载地址：NLPCC2013评估任务_中⽂微博情绪识别
1.7 NLPCC2013评估任务_跨领域情感分类
给定已标注倾向性的英⽂评论数据和英⽂情感词典，要求只利⽤给出的英⽂情感资源进⾏中⽂评论的情感倾向分类。该任务注重考察多语⾔环境下情感资源的迁移能⼒，有助于解决不同语⾔中情感资源分布的不均衡问题。
下载地址：NLPCC2013评估任务_跨领域情感分类
1.8 NLPCC2012评估任务_⾯向中⽂微博的情感分析
国内外重大新闻事件
该语料主要⽤于中⽂微博中的情感句识别、情感倾向性分析和情感要素抽取。
下载地址：NLPCC2012评估任务_⾯向中⽂微博的情感分析
1.9 康奈尔⼤学影评数据集
掰玉米
该语料由电影评论组成，其中持肯定和否定态度的各1,000 篇；另外还有标注了褒贬极性的句⼦各5331句，标注了主客观标签的句⼦各5000句。该语料可以被应⽤于各种粒度的情感分析，如词语、句⼦和篇章级情感分析研究中。
下载地址：康奈尔⼤学影评数据集
hard的比较级和最高级1.10 MPQA
Janyce Wiebe等⼈所开发的MPQA(Multiple-Perspective QA)库：包含535 篇不同视⾓的新闻评论，它是⼀个进⾏了深度标注的语料库。其中标注者为每个⼦句⼿⼯标注出⼀些情感信息，如观点持有者、评价对象、主观表达式以及其极性与强度。
下载地址：MPQA
1.11 Twitter Comments
该语料主要来⾃于Twitter上⾯的评论数据集，分为训练数据和测试数据，分别有6248条和692条Twitter。在⽂件中，每条推特被分为三⾏，第⼀⾏为评论句⼦、第⼆⾏为评价对象、第三⾏为情感极性。通常每条句⼦只包含⼀个评价对象。在情感极性中，⽤-1、0、1分别代表负向、中性、正向，三个极性的条数分别在语料中占25%、50%、25%。该语料来⾃于以下⼯作。
马本斋纪念馆
Paper：Dong L, Wei F, Tan C, et al. Adaptive Recursive Neural Network for Target-dependent Twitter Sentiment Classification[C]// Meeting of the Association for Computational Linguistics. 2014:49-54.
下载地址：Twitter Comments
2 词典
2.1 ⼤连理⼯⼤学中⽂情感词汇本体库（⽆辅助情感分类）
2.2 台湾⼤学中⽂情感极性词典（NTUSD）
2.3 清华⼤学李军中⽂褒贬义词典（TSING）
2.4 知⽹情感词典（HOWNET）
2.5 知⽹程度副词词典（HOWNET）
2.6 知⽹主张词语词典（HOWNET）
3 预训练词嵌⼊
3.1 Google预训练词嵌⼊
3.2 Glove预训练词嵌⼊
该预训练词嵌⼊根据斯坦福⼤学提出的Glove模型进⾏训练，主要包括如下四个⽂件：
1） glove.6B：Wikipedia 2014 + Gigaword 5 (6B tokens, 400K vocab, uncad, 50d, 100d, 200d, & 300d vectors, 822 MB download)
2） glove.42B.300d：Common Crawl (42B tokens, 1.9M vocab, uncad, 300d vectors, 1.75 GB download)
3）glove.840B.300d：Common Crawl (840B tokens, 2.2M vocab, cad, 300d vectors, 2.03 GB download)
4）glove.twitter.27B：Twitter (2B tweets, 27B tokens, 1.2M vocab, uncad, 25d, 50d, 100d, & 200d vectors, 1.42 GB download)
下载地址为：Glove预训练词嵌⼊
