我在哪里可以获得已在企业领域中被分类为正面/负面情绪的文档语料库？我想要为公司提供评论的大量文档，例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的语料库，包括对公司的评论？
【问题讨论】：
标签： nlp machine-learning text-analysis sentiment-analysis training-data
我不知道有任何这样的语料库可以免费获得，但您可以在未标记的数据集上尝试unsupervised method。
【讨论】：
http://www.cs.cornell.edu/home/llee/data/
http://mpqa.cs.pitt.edu/corpora/mpqa_corpus
您可以使用带有表情符号的 twitter，如下所示：http://web.archive.org/web/20111119181304/http://deepthoughtinc.com/wp-content/uploads/2011/01/Twitter-as-a-Corpus-for-Sentiment-Analysis-and-Opinion-Mining.pdf
希望能帮助您入门。如果您对否定、情感范围等特定的子任务感兴趣，文献中还有更多内容。
要关注公司，您可以将一种方法与主题检测结合起来，或者只需大量提及给定公司即可。或者您可以让 Mechanical Turkers 对您的数据进行注释。
【讨论】：
【讨论】：
如果您有一些关于您想要探索的领域的资源（媒体渠道、博客等），您可以创建自己的语料库。 我在 python 中这样做：
创建语料库是一项艰巨的预处理、检查、标记等工作，但其好处是为特定领域准备模型多次提高准确性。如果您可以获得已经准备好的语料库，请继续进行情感分析；）
【讨论】：
您可以从 Datafiniti 获得大量在线评论。大多数评论都带有评级数据，这将提供比正面/负面更多的情绪粒度。这是list of businesses with reviews，这是list of products with reviews。
【讨论】：
这是我几周前写的一个列表，来自my blog。其中一些数据集最近已包含在 NLTK Python 平台中。
刘冰的意见词典
MPQA 主观性词典
SentiWordNet
哈佛综合询问者
语言查询和字数统计 (LIWC)
维达词典
MPQA 数据集
注意事项：GNU 公共许可证。
Sentiment140（推文）
STS-Gold（推文）
客户评论数据集（产品评论）
包含在 NLTK Python 平台中
优缺点数据集（优缺点句子）
<pros> 或<cons> 的句子列表
包含在 NLTK Python 平台中
比较句（评论）
包含在 NLTK Python 平台中
Sanders Analytics Twitter 情绪语料库（推文）
5513 条手工分类的推文包含 4 个不同的主题。由于 Twitter 的 ToS，包含一个小的 Python 脚本来下载所有推文。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）
SemEval 2014（推文）
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）
各种数据集 #2（评论）
参考资料：
【讨论】：