搜狗中文文本分析数据集

简介：
搜狗中文文本分析数据集是由搜狗公司开发的一个全面的中文语言处理资源库，包含大量多样化的真实用户产生的文本内容。该数据集旨在支持包括情感分析、关键词提取和主题分类在内的各种自然语言处理任务的研究与应用，是学术界和工业界探索中文文本智能分析技术的重要工具之一。 搜狗实验室新闻数据精简版将XML文本处理后分类如下：奥运 5595个txt文件、房产 14695个txt文件、互联网 2200个txt文件、健康 1153个txt文件、教育 2075个txt文件、旅游 1802个txt文件、汽车 1405个txt文件、商业 12465个txt文件、时尚 3490个txt文件、体育 17237个txt文件、文化 628个txt文件和娱乐 6757个txt文件。这些数据是个人处理过的，如果需要更多可以联系我。