培训数据进行情绪分析

我在哪里可以得到一个在企业领域已被归类为正面/负面情绪的文件？ 我想要一大批为公司提供评论的文件，比如分析师和媒体提供的评论。

我发现有产品和电影评论的语料库。 是否有商业领域的语料库，包括与企业语言相匹配的公司评论？

Answer 1

http://www.cs.cornell.edu/home/llee/data/

http://mpqa.cs.pitt.edu/corpora/mpqa_corpus

你可以使用微博，像这样的twitter： http ://web.archive.org/web/20111119181304/http: //deepthoughtinc.com/wp-content/uploads/2011/01/Twitter-asa-a-语料库换情感分析和-观点- Mining.pdf

希望能让你开始。 如果你对特定的子任务感兴趣，比如否定，情感范围等，文献中还有更多。

为了把重点放在公司上，你可以将一种方法与主题检测结合起来，或者简单地说一个给定的公司。 或者，您可以通过Mechanical Turkers获得您的数据注释。

Answer 2

这是我几个星期前从我的博客写的一个列表。 其中一些数据集最近被包含在NLTK Python平台中。

词典

• 刘兵的意见词汇

  • URL ： http : //www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#lexicon
  • 论文 ： 挖掘和总结客户评论
  • 注意 ：包含在NLTK Python平台中

• MPQA主观词汇

  • url ： http ： //mpqa.cs.pitt.edu/#subj_lexicon
  • 论文 ： 识别短语级情感分析中的情境极性（Theresa Wilson，Janyce Wiebe和Paul Hoffmann，2005） 。

• SentiWordNet

  • url ： http ： //sentiwordnet.isti.cnr.it
  • 注意 ：包含在NLTK Python平台中

• 哈佛一般询问者

  • url ： http : //www.wjh.harvard.edu/~inquirer
  • 论文 ： 一般询问者：内容分析的计算机方法（Stone，Philip J; Dexter C. Dunphry; Marshall S. Smith;和Daniel M. Ogilvie.1966）

• 语言查询和字数统计（LIWC）

  • url ： http : //www.liwc.net

• 维达词典

  • url ： https ： //github.com/cjhutto/vaderSentiment，http : //comp.social.gatech.edu/papers
  • 论文 ： Vader：基于规则的社交媒体文本情感分析模型（Hutto，Gilbert，2014）

---

数据集

• MPQA数据集

  • url ： http ： //mpqa.cs.pitt.edu

  • 注意 ：GNU公共许可证。

    • 政治辩论数据
    • 产品辩论数据
    • 主观意识注释

• Sentiment140 （推文）

  • url ： http ： //help.sentiment140.com/for-students
  • 使用远程监督发送分类（Go，Alec，Richa Bhayani和Lei Huang）
  • url ： http : //help.sentiment140.com，https : //groups.google.com/forum/#!forum / sentiment140

• STS-Gold （推文）

  • url ： http ： //www.tweenator.com/index.php？page_id = 13
  • 论文 ： Twitter情绪分析的评估数据集（Saif，Fernandez，He，Alani）
  • 注意 ：作为Sentiment140，但是数据集较小并且带有人类注释器。 它带有3个文件：推文，实体（他们的情绪）和一个集合。

• 顾客评论数据集 （产品评论）

  • url ： http : //www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#datasets
  • 论文 ： 挖掘和总结客户评论
  • 注释 ：评论标题，产品特征，具有意见强度的正面/负面标签，其他信息（比较，代词parsing等）

  包含在NLTK Python平台中

• 优点和缺点数据集 （优点和缺点句子）

  • url ： http : //www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#datasets
  • 论文 ： 比较句的挖掘意见（Ganapathibhotla，Liu 2008）
  • 注 ：标记<pros>或<cons>的句子列表

  包含在NLTK Python平台中

• 比较句 （评论）

  • url ： http : //www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#datasets
  • 论文 ： 文本文档中比较句的识别（Nitin Jindal and Bing Liu） ， 顾客评论中的挖​​掘意见特征（胡敏清，刘兵）
  • 注 ：句子，带有POS标签的句子，实体，比较types（不等于，等于，最高，不可分级）

  包含在NLTK Python平台中

• Sanders Analytics推理语料库 （推特）

  • url ： http : //www.sananalytics.com/lab/twitter-sentiment

  5513手分类tweet与4个不同的话题。 由于Twitter的ToS，包含一个小的Python脚本来下载所有的tweets。 情感分类本身是免费提供的，没有任何限制。 他们可能被用于商业产品。 他们可能被重新分配。 他们可能会被修改。

• 西class牙推文 （Tweets）

  • url ： http ： //www.daedalus.es/TASS2013/corpus.php

• SemEval 2014 （推文）

  • url ： http ： //alt.qcri.org/semeval2014/task9

  您不得重新发布tweets，注释或获得的语料（从自述文件中获取）

• 各种数据集 （评论）

  • url ： https ： //personalwebs.coloradocollege.edu/~mwhitehead/html/opinion_mining.html
  • 论文 ： build立一个通用的跨领域情感挖掘模型（Whitehead和Yaeger） ， 使用集成分类模型的情感挖掘（Whitehead和Yaeger）

• 各种数据集＃2 （评论）

  • url ： http ： //www.text-analytics101.com/2011/07/user-review-datasets_20.html

---

参考文献：

• Keenformatics – 情感分析词典和数据集 （我的博客）
• 个人经验

Answer 3

这里还有一些;

http://inclass.kaggle.com/c/si650winter11

http://alias-i.com/lingpipe/demos/tutorial/sentiment/read-me.html

Answer 4

如果您有一些关于您想探索的域的资源（媒体渠道，博客等），您可以创build自己的语料库。 我在Python中这样做：

• 使用美丽的汤http://www.crummy.com/software/BeautifulSoup/parsing我想分类的内容。;
• 分开那些对公司有正面或负面意见的句子。
• 使用NLTK来处理这些句子，标记词，POS标记等。
• 使用NLTK PMI来计算在一个class级中频繁的bigrams或trigrams mos

创build语料库是一项艰苦的预处理，检查，标记等工作，但具有为特定领域准备模型多次提高准确性的好处。 如果你已经准备好了语料库，只要进行情绪分析;）

Answer 5

我不知道任何这样的语料库是免费提供的，但是您可以在未标记的数据集上尝试一种无监督的方法 。

Answer 6

您可以从Datafiniti获得大量的在线评论。 大多数评论都带有评分数据，这些评论数据可以提供比正面/反面更多的情感细化。 以下是包含评论的商家列表，以下是包含评论 的商品列表 。