ChineseNlpCorpus

中文自然语言处理数据集，包含多种类型的数据集，如新闻分类、情感分析、实体识别等，用于自然语言处理实验和研究。

A Chinese natural language processing dataset encompassing a variety of data types, such as news classification, sentiment analysis, and entity recognition, utilized for experiments and research in natural language processing.

原始信息汇总

ChineseNlpCorpus

文本分类

新闻分类

• 今日头条中文新闻（短文本）分类数据集
  • 数据规模：38万条，分布于15个分类中。
  • 采集时间：2018年05月。
  • 数据分割：0.7 0.15 0.15。
• 清华新闻分类语料
  • 数据来源：新浪新闻RSS订阅频道2005~2011年历史数据。
  • 数据量：74万篇新闻文档（2.19 GB）。
  • 可筛选类别：体育, 财经, 房产, 家居, 教育, 科技, 时尚, 时政, 游戏, 娱乐。
• 中科大新闻分类语料库

情感/观点/评论 倾向性分析

数据集	数据概览	下载
ChnSentiCorp_htl_all	7000 多条酒店评论数据，5000 多条正向评论，2000 多条负向评论	地址
waimai_10k	某外卖平台收集的用户评价，正向 4000 条，负向 约 8000 条	地址
online_shopping_10_cats	10 个类别，共 6 万多条评论数据，正、负向评论各约 3 万条， 包括书籍、平板、手机、水果、洗发水、热水器、蒙牛、衣服、计算机、酒店	地址
weibo_senti_100k	10 万多条，带情感标注 新浪微博，正负向评论约各 5 万条	地址
simplifyweibo_4_moods	36 万多条，带情感标注 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	地址
dmsc_v2	28 部电影，超 70 万 用户，超 200 万条 评分/评论 数据	地址
yf_dianping	24 万家餐馆，54 万用户，440 万条评论/评分数据	地址
yf_amazon	52 万件商品，1100 多个类目，142 万用户，720 万条评论/评分数据	地址

实体识别&词性标注

• 微博实体识别
  • 地址
• boson数据
  • 包含6种实体类型。
  • 地址
• 人民日报数据集
  • 人名、地名、组织名三种实体类型
  • 1998：地址
  • 2004：[地址](https://pan.baidu.com/s/1LDwQjoj7qc-HT9qwhJ3rcA password: 1fa3)
• MSRA微软亚洲研究院数据集
  • 5 万多条中文命名实体识别标注数据（包括地点、机构、人物）
  • 地址

搜索匹配

• OPPO手机搜索排序
  • query-title语义匹配数据集。
  • 链接 提取码:7p3n
• 网页搜索结果评价(SogouE)
  • 用户查询及相关URL列表
  • 地址

推荐系统

数据集	数据概览	下载地址
ez_douban	5 万多部电影（3 万多有电影名称，2 万多没有电影名称），2.8 万 用户，280 万条评分数据	点击查看
dmsc_v2	28 部电影，超 70 万 用户，超 200 万条 评分/评论 数据	点击查看
yf_dianping	24 万家餐馆，54 万用户，440 万条评论/评分数据	点击查看
yf_amazon	52 万件商品，1100 多个类目，142 万用户，720 万条评论/评分数据	点击查看

百科数据

• 维基百科
  • 维基百科会定时将语料库打包发布。
  • 地址

指代消歧

• CoNLL 2012
  • 地址

预训练

• BERT
  • 模型下载：BERT-Base, Chinese
• ELMO
  • 预训练的模型：地址
• 腾讯词向量
  • 包含800多万中文词汇，每个词对应一个200维的向量。
  • 下载地址

中文完形填空数据集

• 地址

中华古诗词数据库

• 包含近一万四千古诗人, 接近5.5万首唐诗加26万宋诗. 两宋时期1564位词人，21050首词。
• 地址

保险行业语料库

• 地址

汉语拆字字典

• 地址

中文数据集平台

• 搜狗实验室
  • 地址
• 中科大自然语言处理与信息检索共享平台
  • 地址
• 中文语料小数据
  • 包含了中文命名实体识别、中文关系识别、中文阅读理解等一些小量数据。
  • 地址
• 维基百科数据集
  • 地址

搜集汇总

数据集介绍

构建方式

ChineseNlpCorpus数据集的构建方式主要依赖于公开的网络资源和历史数据。例如，新闻分类数据集来源于今日头条和清华大学的新闻RSS订阅频道，情感分析数据集则从酒店评论、外卖评价和社交媒体评论中收集。这些数据经过筛选和标注，确保了数据的多样性和代表性。此外，实体识别和词性标注数据集则基于微博、人民日报和MSRA等权威来源，确保了数据的准确性和广泛性。

特点

ChineseNlpCorpus数据集的特点在于其广泛的应用领域和丰富的数据类型。数据集涵盖了文本分类、情感分析、实体识别、词性标注、搜索匹配和推荐系统等多个自然语言处理任务。数据规模庞大，如新闻分类数据集包含数十万条记录，情感分析数据集则包含数万条带有情感标注的评论。此外，数据集还提供了多种预训练模型和词向量，支持中文自然语言处理的研究和应用。

使用方法

使用ChineseNlpCorpus数据集时，研究者可以根据具体任务选择相应的子数据集。例如，进行文本分类实验时，可以使用今日头条或清华新闻分类数据集；进行情感分析时，可以选择ChnSentiCorp_htl_all或weibo_senti_100k等数据集。数据集通常以CSV或JSON格式提供，便于直接加载和处理。此外，数据集还提供了详细的文档和示例代码，帮助用户快速上手和实现复杂的自然语言处理任务。

背景与挑战

背景概述

ChineseNlpCorpus是一个广泛用于中文自然语言处理研究的数据集集合，涵盖了从文本分类、情感分析到实体识别等多个领域。该数据集的创建始于2018年，由多个研究机构和开源社区共同贡献，如清华大学、中科大等。其核心研究问题聚焦于提升中文文本处理的准确性和效率，特别是在处理大规模中文文本数据时。该数据集对中文自然语言处理领域产生了深远影响，为研究人员提供了丰富的实验材料，推动了中文NLP技术的发展。

当前挑战

ChineseNlpCorpus在解决中文自然语言处理问题时面临多重挑战。首先，中文语言的复杂性和多样性使得文本分类和情感分析的准确性难以保证，尤其是在处理短文本和社交媒体数据时。其次，数据集的构建过程中，数据采集和标注的难度较大，尤其是在确保数据质量和一致性方面。此外，中文的实体识别和词性标注任务由于语言的歧义性和上下文依赖性，增加了模型训练的复杂性。最后，数据集的多样性和规模虽然为研究提供了丰富的资源，但也带来了数据处理和存储的技术挑战。

常用场景

经典使用场景

ChineseNlpCorpus数据集在自然语言处理领域中被广泛应用于文本分类、情感分析、实体识别等多个经典场景。例如，新闻分类任务中，该数据集提供了丰富的新闻文本，帮助研究者训练和测试分类模型，以准确识别新闻所属的类别。情感分析方面，数据集中的评论和微博数据为情感倾向性分析提供了坚实的基础，使得模型能够更精确地捕捉用户的情感变化。

实际应用

在实际应用中，ChineseNlpCorpus数据集被广泛用于构建智能客服系统、社交媒体监控、新闻推荐系统等。例如，基于该数据集的新闻分类模型可以自动将新闻归类，提升新闻平台的用户体验。情感分析模型则可以帮助企业监控社交媒体上的用户反馈，及时调整市场策略。此外，数据集中的推荐系统数据被用于优化电商平台的个性化推荐算法，提升用户购物体验。

衍生相关工作

ChineseNlpCorpus数据集催生了大量相关研究工作，尤其是在中文自然语言处理领域。基于该数据集，研究者开发了多种文本分类、情感分析和实体识别模型，如基于RNN和CNN的新闻分类模型。此外，数据集还支持了BERT等预训练模型的开发，推动了中文预训练模型的研究与应用。这些工作不仅提升了中文自然语言处理的技术水平，还为相关领域的学术研究提供了重要的参考和借鉴。