【免费下载】 中文微博情感数据库（2分类数据集）

介绍

本仓库提供了一个中文微博情感数据库，适用于情感分析任务中的二分类问题。该数据集包含了带情感标注的微博语料，共计10500条数据，其中训练集10000条，测试集500条。

数据集描述

数据格式

• 文件结构: 数据集分为两个文件：train.txt（训练集）和test.txt（测试集）。
• 每条语料格式: 每条语料的格式如下：

  mid 情感标签 微博文本
  

  • mid: 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）。
  • 情感标签: 0表示负面情感，1表示正面情感。
  • 微博文本: 微博的实际内容，其中微博表情、话题、地理定位、视频、文本超链接等都已转义成特定格式。

数据处理

• 微博表情: 微博表情被转义成[xx]的格式，例如[doge]、[允悲]。
• 特殊格式: 微博话题、地理定位、视频、文本超链接等被转义成{%xxxx%}的格式，使用正则表达式可以很方便地进行清洗。

使用说明

1. 数据下载: 直接下载本仓库中的train.txt和test.txt文件即可使用。
2. 数据清洗: 由于微博文本中包含多种转义格式，建议使用正则表达式进行数据清洗，以便更好地提取和处理文本信息。
3. 情感分析: 该数据集适用于情感分析任务，特别是二分类问题，可以用于训练和评估情感分析模型。

注意事项

• 部分微博可能已被博主删除，因此通过mid访问微博网页时可能会出现404错误。
• 数据集中的情感标签为二分类，0表示负面情感，1表示正面情感。

贡献

欢迎对该数据集进行改进和扩展，如果您有任何建议或发现数据集中的问题，请提交Issue或Pull Request。

许可证

本数据集遵循开源许可证，具体信息请参考LICENSE文件。