中文微博情感分类语料库

"情感分析"是我本科的毕业设计, 也是我入门并爱上NLP的项目hhh, 当时网上相关语料库的质量都太低了, 索性就自己写了个爬虫, 一边标注一边爬, 现在就把它发出来供大家交流。因为是自己的项目,所以标注是相当认真的,还请了朋友帮忙校验,过滤掉了广告/太短/太长/表意不明等语料,语料质量是绝对可以保证的
带情感标注的微博语料数量: 10000(train.txt)+500(test.txt)
另一个项目对这个语料库进行了预处理, 用SVM/XGBoost/LSTM/Attention等各种机器学习和深度学习的方法训练了模型
地址: https://github.com/dengxiuqi/WeiboSentiment

文档的每一行代表一条语料
每条语料的第一个数据为微博对应的mid,是每条微博的唯一标签,可以通过"https://m.weibo.cn/status/" + mid 访问到该条微博的网页(部分微博可能已被博主删除)
第二个数据为情感标签, 0表示负面, 1表示正面
其余后面部分都是微博文本
微博表情都被转义成[xx]的格式, 如:
被标记为[doge]
被标记为[允悲]
微博话题/地理定位/视频、文本超链接等都转义成了{%xxxx%}的格式，使用正则可以很方便地将其清洗

train.txt:

test.txt:

topics/XXX.txt:

dengxiuqi/weibo2018