上百G文本數據集等你來認領|免費領取

玩機器學習的童鞋都知道數據集的重要性，沒有數據糧食餵養，好的模型是長不出來的，形象的比喻就是「巧婦難爲無米之炊」。

這一年多來一直在摸索文本分析領域，文科生一枚摸着石頭過河，很惋惜一直沒有出什麼東西。不過卻也在這過程當中積累了一些在線評論數據集。大可能是在百度網盤、谷歌遇到我以爲有用的數據我通常會下載下來。大鄧都整理到csv中，方便你們使用pandas進行數據分析。今天我整理了一下，分享給你們。

中文在線評論數據
中文的數據主要電商平臺在線評論數據，且均標註正負情感標籤的，領域包括：

• 計算機

• 熱水器

• 服裝

• 手機

• 書籍

• 洗髮水

• 外賣

經過這些標註的各個領域評論數據，咱們能夠訓練各自領域的情感分析模型。有餘力的童鞋也能夠構建相關領域屬性詞典，想一想就很激動。大鄧這裏打開其中一個文件，樣子大概是這樣的。

此外還有微博評論數據，有人將其標註爲4種情緒，數據量10萬條。再次感謝他們的辛勤勞動。

亞馬遜評論數據集
該數據集的發現要感謝山東煙臺的一位網友，向我諮詢問題的時候給我留下了 加州大學聖地哥分校Julian McAuley教授的Amazon product ata數據集頁面。

數據集簡介：

該數據集包含來自亞馬遜的產品評論和元數據，其中包括1996年5月至2014年7月的1.4億條評論。 該數據集包括評論（評分，文字，樂於投票），產品數據（產品描述，類別信息，價格，品牌和圖像特徵）以及產品連接。

亞馬遜1996-2014年 近200G數據（這只是部分數據，更大更大的數據須要找Julian McAuley教授要）。這是教授的官方介紹，竟然還有一個視頻直播。大鄧寫這篇文章時美國大概是晚上十點，可能教授下班了，因此屋子裏沒有。若是趕巧的話，大家能看到教授搞學習。