#PennToPCFG 从 Penn Treebank 风格的语料库（例如华尔街日报）中学习未词法化的 PCFG。 需要 NLTK2 来读取树库和处理树。 ＃＃用法 usage: PennToPCFG.py [-h] [-p PENN] [-g GRAMMAR] [-pe PENNEVAL] [-s SENTENCES] [-t TREES] [-l LENGTH] [-b DEBINARIZE DEBINARIZE] Learns an unlexicalised PCFG from a Penn Treebank file optional arguments: -h, --help show this help message and exit -p PENN, --penn PENN The Penn

Stanford Sentiment Treebank 是一个标准情感数据集，主要用于情感分类，其中每个句子分析树的节点均有细粒度的情感注解。 该数据集由斯坦福大学的 NLP 组发布，其中句子和短语共计 239232 条，相较于忽略单词顺序的大多数情绪预测系统，这套深度学习模型建立了基于句子 结构 的完整表示。它可根据单词组成的短语判断情绪。 该数据集由斯坦福大学 自然语言处理 组于 2013 年发布，相关论文有《Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank》。

Chinese Treebank 8.0 LDC中文句树库（LDC2013T21），已标注句子的各个词语词性、句中成分、语义信息，可用于自然语言处理的句法分析或词性标注等任务。

ctb8.0(Chinese Treebank 8.0)数据集 介绍：Chinese Treebank 8.0 包含大约 150 万字广播的注释和解析文本，来自中文新闻专线、政府文件、杂志文章、各种广播新闻 对话节目、网络新闻组和博客。 中国树库项目于 1998 年在宾夕法尼亚大学开始，在科罗拉多大学继续，然后转移到布兰代斯大学。该项目的目标是提供一个大型的、词性标记的和完全括号括起来的中文语料库。第一个交付，中国树库 1.0，包含来自新华社新闻专线的 100,000 个句法注释词。它后来被更正并于 2001 年作为中国树库 2.0 (LDC2001T11)发布，由大约 100,000 字组成。2004年， LDC发布了中文树库4.0（LDC2004T05），更新版本约40万字。一年后，LDC发布了50万字的中文树库5.0（LDC2005T01）。2007年发布的中文树库6.0（LDC2007T36），包含78万字。Chinese Treebank 7.0 (LDC2010T08)于 2010 年发布，增加了新的带注释的新闻专线数据、广播材料和网络文本，总字数约为 100 万字。

by Tomas Mikolov, 2010-2012 http://www.fit.vutbr.cz/~imikolov/rnnlm/

Stanford Sentiment Treebank 是一个标准情感数据集，主要用于情感分类，其中每个句子分析树的节点均有细粒度的情感注解。 Stanford Sentiment Treebank 标准情感数据集_datasets.txt Stanford Sentiment Treebank_datasets.zip

corenlp中的词性标注缩写含义使用的是Penn Treebank tag set，这是全部对应缩写的含义，这份资源下载自https://www.eecis.udel.edu/~vijay/cis889/ie/pos-set.pdf

PTB(Penn Treebank Dataset)文本数据集，压缩包

情绪分析 在 上通过微调 ， 或训练的情感分析神经网络。 安装要求 pip install numpy pandas torch transformers 使用我在s3上载的模型分析您的输入 python analyze.py 火车模型 python train.py --model_name_or_path bert-base-uncased --output_dir my_model --num_eps 2 支持bert-base-uncase，albert-base-v2，distilbert-base-uncase和其他类似模型。 评估您训练的模型 python evaluate.py

Stanford Sentiment Treebank 是一个标准情感数据集，主要用于情感分类，其中每个句子分析树的节点均有细粒度的情感注解。 该数据集由斯坦福大学的 NLP 组发布，其中句子和短语共计 239232 条，相较于忽略单词顺序的大多数情绪预测系统，这套深度学习模型建立了基于句子结构 的完整表示。它可根据单词组成的短语判断情绪。 该数据集由斯坦福大学自然语言处理 组于 2013 年发布，相关论文有《Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank》。