因为项目要求，主要先收集英文的语料库来进行模型的训练。
一、英文
1.（可下载） 康奈尔大学(Cornell)提供的影评数据集 - http://www.cs.cornell.edu/people/pabo/movie-review-data/
由电影评论组成,其中持肯定和否定态度的各1,000 篇;另外还有标注了褒贬极性的句子各5,331 句,标注了主客观标签的句子各5,000 句.目前影评库被广泛应用于各种粒度的,如词语、句子和篇章级情感分析研究中.
2. 伊利诺伊大学芝加哥分校(UIC)的Hu 和Liu 提供的产品领域的评论语料:主要包括从亚马逊和Cnet 下载的五种电子产品的网络评论(包括两个品牌的数码相机,手机,MP3 和DVD 播放器).其中他们将这些语料按句
子为单元详细标注了评价对象,情感句的极性及强度等信息.因此,该语料适合于评价对象抽取和句子级主客观
识别,以及情感分类方法的研究.此外,Liu 还贡献了比较句研究[74]方面的语料.
3. （可下载）Janyce Wiebe 等人所开发的MPQA(Multiple-Perspective QA)库:包含535 篇不同视角的新闻评论,它是一个进行了深度标注的语料库.其中标注者为每个子句手工标注出一些情感信息,如观点持有者,评价对象,主观表达式以及其极性与强度.文献[75]描述了整个的标注流程.MPQA 语料适合于新闻评论领域任务的研究.
4. 麻省理工学院(MIT)的Barzilay 等人构建的多角度餐馆评论语料:共4,488 篇,每篇语料分别按照五个角度(饭菜,环境,服务,价钱,整体体验)分别标注上1~5 个等级.这组语料为单文档的基于产品属性的情感文摘提供
了研究平台.
5. Hownet - http://www.keenage.com/html/e_index.html
6. 多域情感数据集包含从亚马逊网站获得的来自4种产品类型（域）的产品评论：厨房，书籍，DVD和电子产品。每个域名都有几千条评论，但确切数量因域而异 - http://www.cs.jhu.edu/~mdredze/datasets/sentiment/index2.html
- huge ngrams dataset from google storage.googleapis.com/books/ngrams/books/datasetsv2.html
- http://www.sananalytics.com/lab/twitter-sentiment/
- http://inclass.kaggle.com/c/si650winter11/data
- http://nlp.stanford.edu/sentiment/treebank.html
- or you can look into this global ML dataset repository: https://archive.ics.uci.edu/ml
二、中文：
1. 酒店评论语料
- http://www.datatang.com/data/11936
谭松波整理的一个较大规模的酒店评论语料。语料规模为10000篇。语料从携程网上自动采集，并经过整理而成。
2. 豆瓣网影评情感测试语料
- http://www.datatang.com/data/13539
来自豆瓣网对电影《ICE AGE3》的评论，评分标准均按照5 stars评分在网页中有标注。语料至527页。每页20条短评。共计11323条评论。
3. 酒店、电脑与书籍的评论语料
- http://www.datatang.com/data/11937
数据量不太大，也有一些重复的数据。
4. 评论网页数据集
- http://www.datatang.com/data/12044
数据量不小，包括的电影和评论都不少