机构: Cornell University

Yelp Reviews Polarity Dataset 发布于 2015 年，其包含共计 1,569,264 个样本，该子集中的不同极性分别包含 280,000 个训练样本和 19,000 和测试样本。

Yelp Reviews Full Dataset 发布于 2015 年，其包含共计 1,569,264 个样本，该子集的不同评级分别包含 130,000 个训练样本和 10,000 个测试样本。

Yahoo！Answers 数据集源于 Yahoo！Answers Comprehensive Questions and Answers 1.0 的 10 个主要分类数据，每个类别分别包含 140000 个训练样本和 5000 个测试样本。 该数据集是截至 2007 年 10 …

Sogou News Dataset 是由 SogouCA 和 SogouCS 新闻语料库构成的数据集，其拥有 5 个类别共计 2,909,551 篇文章，每个类别均包含 90,000 个训练样本和 12,000 个测试样本，并且这些样本均以转换为拼音。

DBPedia Ontology 由 14 个不重叠分类的 40000 个训练样本和 5000 个测试样本组成，其使用来自维基百科派生的大型多域本体。 该数据集的英文版目前描述了 458 万个「事物」以及 5.83 亿个「事实」，其由康奈尔大学于 2015 年发布。

Amazon Reviews - Polarity Dataset 是 Amazon Reviews - Full Dataset 的子集，相关数据主要来源于斯坦福网络分析项目，其中每个情绪极性集均包含 1,800,000 个训练样本和 200,000 个测试样本 。 该数据集由…

Amazon Reviews - Full Dataset 包含 34,686,770 条商品评论，包含 6,643,669 名亚马逊用户对 2,441,053 款产品的评价，该数据集主要来源于斯坦福网络分析项目 SNAP，其中每个类别分别包含 600,000 个训练样本和 13…

AG News Dataset 拥有超过 100 万篇新闻文章，其中包含 496,835 条 AG 新闻语料库中超过 2000 个新闻源的文章，该数据集仅采用了标题和描述字段，每种类别均拥有 30,000 个训练样本和 1900 个测试样本。 该数据集由康奈尔大学于 2004 年…