A curated list of resources of chinese corpora for NLP(Natural Language Processing)

中文自然语言处理语料 收集列表

• ldc.upenn.edu

• CoNLL

• 维基百科中文

• microblogPCU

• OpenSubtitles

• 北京大学开放研究数据平台

• Multilingual ATIS

• 中文文本分类数据集 THUCNews

• NLPCC 2017 国际自然语言处理及中文计算会议
  • 任务1: Chinese Word Semantic Relation Classification
  • 任务2: 新闻头条分类
  • 任务3: 新闻头条摘要
  • 任务4: Emotional Conversation Generation
  • 任务5: 开放领域问答
  • 任务6: 社交网络用户画像

• NLPCC 2018
  • 任务1: 情绪识别
  • 任务2: 语法纠错
  • 任务3: 自动文摘
  • 任务4: 任务型对话系统中的口语理解
  • 任务5: 多轮人机对话
  • 任务6: 知乎问题标注
  • 任务7: 开放领域问答
  • 任务8: 用户画像与推荐

• CCKS 2018 全国知识图谱与语义计算大会
  • 任务1: 面向中文电子病历的命名实体识别
  • 任务2: 面向音乐领域的命令理解任务
  • 任务3: 微众银行智能客服问句匹配大赛
  • 任务4: 开放领域的中文问答任务

• CCKS 2017 全国知识图谱与语义计算大会
  • 任务1: 问题命名实体识别和链接

• SMP 2018 第七届全国社会媒体处理大会
  • 任务1: 用户画像技术评测
  • 任务2: 中文人机对话技术评测 用户意图领域分类
  • 任务3: 文本溯源技术评测

• SMP 2017 第六届全国社会媒体处理大会
  • 任务1: CSDN用户画像技术评测
  • 任务2: 中文人机对话技术评测

• SMP 2016 第五届全国社会媒体处理大会
  • 任务1: 微博用户画像

• WSDM杯 2019 假新闻分类

• 英中翻译数据集2018

• 细粒度用户评论情感分析数据集2018

• 观点型问题阅读理解数据集2018

• 搜狗实验室

• 玻森中文语义开放平台

• 中文开放知识图谱

• biendata.com 数据竞赛

• 2018搜狐内容识别算法大赛 新闻和新闻配图

• 文本分类语料库（复旦）测试语料

• DuReader Dataset github

• golden-horse 微博命名实体识别

• Douban Conversation Corpus 豆瓣多轮对话

• 我爱自然语言处理-新闻语料库

• awesome-chinese-nlp

• Small-Chinese-Corpus

• 中文对白语料 小黄鸡/射手 等

• 微信公众号语料库

• blog.just4fun.site

• 白鹭时代中文问答

• 保险行业语料库

• Erheng Zhong

• 中华古诗词数据库

• 公司名语料库

• Embedding/Chinese-Word-Vectors

• Kyubyong/wordvectors

• fastText

• BPEmb

• 腾讯AI实验室 中文词向量数据集