Ответ 1

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

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

Вы можете использовать twitter с его смайлами, например: 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

Надеюсь, что ты начнёшь. Там больше в литературе, если вас интересуют конкретные подзадачи, такие как отрицание, сфера чувств и т.д.

Чтобы сосредоточиться на компаниях, вы можете связать метод с обнаружением темы, или дешево просто много упоминаний о данной компании. Или вы можете получить ваши данные, аннотированные механическими тюркерами.

Ответ 2

Это список, который я написал несколько недель назад, из моего блога. Некоторые из этих наборов данных были недавно включены в платформу NLTK Python.

словари

• Мнение Лексикона от Bing Liu

  • URL: http://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#lexicon
  • БУМАГИ: Разработка и обобщение отзывов клиентов
  • ПРИМЕЧАНИЯ. Включено в платформу NLTK Python.

• MPQA Субъективность Лексикон

  • URL: http://mpqa.cs.pitt.edu/#subj_lexicon
  • PAPERS: Признание контекстной полярности в анализе настроений на уровне фразы (Theresa Wilson, Janyce Wiebe и Paul Hoffmann, 2005).

• SentiWordNet

  • URL: http://sentiwordnet.isti.cnr.it
  • ПРИМЕЧАНИЯ. Включено в платформу NLTK Python.

• Главный исследователь Гарварда

  • URL: http://www.wjh.harvard.edu/~inquirer
  • PAPERS: Общий запрос: компьютерный подход к анализу контента (Stone, Philip J; Dexter C. Dunphry, Marshall S Смит и Дэниел М. Огилви. 1966)

• Лингвистический запрос и подсчет слов (LIWC)

  • URL: http://www.liwc.net

• Вейдерский словарь

  • URL: https://github.com/cjhutto/vaderSentiment, http://comp.social.gatech.edu/papers
  • PAPERS: Vader: аналитическая модель для анализа настроений в социальных сетях (Hutto, Gilbert, 2014)

Datasets

• Наборы данных MPQA

  • URL: http://mpqa.cs.pitt.edu

  • ПРИМЕЧАНИЯ: общедоступная лицензия GNU.

    • Политические дебаты
    • Данные о продуктах продукта
    • Субъективность Sense Annotations

• Sentiment140 (твиты)

  • URL: http://help.sentiment140.com/for-students
  • БУМАГИ: Twitter Отправлена ​​классификация с использованием дистанционного контроля (Go, Alec, Richa Bhayani и Lei Huang)
  • URL: http://help.sentiment140.com, https://groups.google.com/forum/#!forum/sentiment140

• STS-Gold (твиты)

  • URL: http://www.tweenator.com/index.php?page_id=13
  • ДОКУМЕНТЫ: Оценочные наборы данных для анализа настроений в twitter (Саиф, Фернандес, Он, Алани)
  • ПРИМЕЧАНИЯ: как Sentiment140, но набор данных меньше и с человеческими аннотаторами. Он поставляется с тремя файлами: твитами, сущностями (с их настроением) и совокупным набором.

• Набор данных для клиентов (Отзывы о продукции)

  • URL: http://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#datasets
  • БУМАГИ: Разработка и обобщение отзывов клиентов
  • ПРИМЕЧАНИЯ: название обзора, функция продукта, положительная/отрицательная метка с силой мнения, другая информация (сравнения, разрешение местоимения и т.д.).

  Включено в платформу Python NLTK

• Плюсы и минусы Dataset (за и против)

  • URL: http://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#datasets
  • ДОКУМЕНТЫ: Мнение в сравнительных предложениях (Ganapathibhotla, Liu 2008)
  • ПРИМЕЧАНИЯ: список предложений с тегами <pros> или <cons>

  Включено в платформу Python NLTK

• Сравнительные предложения (обзоры)

  • URL: http://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html#datasets
  • PAPERS: Идентификация сравнительных предложений в текстовых документах (Nitin Jindal и Bing Liu), Особенности Mining Opinion в отзывах клиентов (Minqing Hu and Bing Liu)
  • ПРИМЕЧАНИЯ: Предложение, POS-помеченное предложение, сущности, тип сравнения (не равный, равнозначный, превосходный, неградируемый)

  Включено в платформу Python NLTK

• Sanders Analytics Twitter Sentiment Corpus (твиты)

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

  5513 ручные твиты по 4 разных тем. Из-за Twitters ToS для загрузки всех твитов включен небольшой Python script. Сама классификация чувств предоставляется бесплатно и без ограничений. Они могут использоваться для коммерческих продуктов. Они могут быть перераспределены. Они могут быть изменены.

• Испанские твиты (твиты)

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

• SemEval 2014 (твиты)

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

  Вы НЕ ДОЛЖНЫ повторно распространять твиты, аннотации или полученный корпус (из файла readme)

• Различные наборы данных (Отзывы)

  • URL: https://personalwebs.coloradocollege.edu/~mwhitehead/html/opinion_mining.html
  • ДОКУМЕНТЫ: Создание модели интеллектуального анализа настроений с использованием общего назначения (Whitehead и Yaeger), Настроения с использованием моделей классификации ансамблей (Whitehead и Yaeger)

• Различные наборы данных # 2 (Отзывы)

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

Литература:

• Keenformatics - аналитические аналитические лексиконы и наборы данных (мой блог)
• Личный опыт

Ответ 3

Вот еще несколько:

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

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

Ответ 4

Если у вас есть ресурсы (медиа-каналы, блоги и т.д.) о домене, который вы хотите изучить, вы можете создать свой собственный корпус. Я делаю это в python:

• используя Beautiful Soup http://www.crummy.com/software/BeautifulSoup/ для анализа содержимого, которое я хочу классифицировать.
• отделяют эти предложения от положительных/отрицательных мнений о компаниях.
• Используйте NLTK для обработки этих предложений, токенизации слов, маркировки POS и т.д.
• Использовать PMI NLTK для вычисления битрамов или триграмм mos часто в одном классе

Создание corpus - это сложная работа по предварительной обработке, проверке, пометке и т.д., но имеет преимущества при подготовке модели для определенного домена во много раз, повышая точность. Если вы можете получить уже подготовленный корпус, просто продолжайте анализ настроений;)

Ответ 5

Я не знаю, какой такой корпус доступен, но вы можете попробовать неконтролируемый метод для немеченого набора данных.

Ответ 6

Вы можете получить большой выбор онлайн-отзывов от Datafiniti. Большинство обзоров поставляются с данными рейтинга, что обеспечило бы более гранулярность настроений, чем положительные/отрицательные. Здесь список предприятий с отзывами, а здесь список продуктов с отзывами.