stanford-corenlp-full-2014-08-27

斯坦福大学自然语言处理研究组发布的有关自然语言处理的核心jar包，可用于分词等操作

Web of Science使用指南

分成四个部分：1、科学信息在科研过程中的作用；2、Web of Science及引文索引简介；3、如何利用Web of Science核心集合为科研服务；4、如何获得更多的学习资源助力科研

BeerAdvocate--Preprocess

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，该文件为处理后数据。在处理后数据当中，包含相应的词嵌入模型。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025

BeerAdvocate--Source

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，该文件为原始数据。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。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025

Citysearch Corpus

该语料库为餐馆评论数据，收集自Citysearch 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，原始数据中包含28W条无标注信息的训练数据，以及3400条带标准信息的测试数据。此外，资源中还包括对原始数据进行处理后的数版本，及已经训练好的词嵌入模型。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025

NLPCC2012评估任务_面向中文微博的情感分析

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。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025

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。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025

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。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025

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。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025

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。 情感分析资源大全：http://blog.csdn.net/qq280929090/article/details/70838025