中文情感分析语料库下载：ChnSentiCorp、weibo_senti_100k

原因在于：这个领域的中文数据是 AI 方向里最成熟的一批。GitHub、百度飞桨、阿里天池、Hugging Face 上都能搜到大量"中文情感语料库""评论数据集"。问题恰恰出在这里——同一个名字会出现在多个不同的地方，版本不一样、标注方式不一样、条数不一样，甚至能不能商用都没写清楚。你拿到的到底是哪个版本？标注的是"好评/差评"还是"开心/愤怒/悲伤"？这些信息一旦混淆，训练出来的模型就难以可用。

所以在动手前，先明确需求：你要的是哪类情感？两分类还是多分类？用于研究还是商用？想清楚再开始。下面把真实能找到、能下载的一手来源筛出来，按"最省事"到"最权威但流程较长"的顺序逐一梳理。

一、入门首选：一个大仓库打包了多份

如果你想先取得数据快速上手，最省事的办法是去 GitHub 找一个名为 SophonPlus/ChineseNlpCorpus 的仓库（https://github.com/SophonPlus/ChineseNlpCorpus）。该仓库把多份中文情感语料整理到了一起，全部为 CSV 格式（Excel 即可打开），直接 clone 即可下载。其中常用、质量也比较稳定的有以下几份：

ChnSentiCorp（酒店评论）：约 7000 多条，好评差评二分类，是中文情感分析的"行业基准线"，常被作为入门起点。
weibo_senti_100k（新浪微博）：10 万多条，正向和负向各一半，比例均衡，适合做两分类训练。下载入口页在此：https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/weibo_senti_100k/intro.ipynb
simplifyweibo_4_moods（微博，四种情绪）：36 万多条，标注为"喜、怒、恶、乐"四类。如果你需要做多分类，这个体量足够使用。
waimai_10k（外卖评论）：1 万条左右，负面偏多（约 8000 负、4000 正），适合分析差评集中在哪些问题的场景。
online_shopping_10_cats（电商评论）：10 个品类共 6 万多条，两分类，正负各半。
dmsc_v2（豆瓣电影）、yf_dianping（餐饮）、yf_amazon：这三份都是"打分+评论"，可以直接拿评分当弱标注，例如 5 星算正、1 星算负。体量很大（200 万到 700 万条），但数据质量一般，需要自行清洗。

⚠️ 特别提醒：这些数据绝大多数是研究者从微博、豆瓣、电商抓取的，严格说版权属于平台，仅适合用于学术研究和学习。仓库中很多没有附正式的 LICENSE 文件，因此如果你打算将这些数据用于商业应用，需自行评估合规风险。

二、想直接上手训练模型？Hugging Face 上有现成的切分版

如果你已经能编写代码，想直接加载数据开始训练，Hugging Face 上有一些版本已经切好了"训练、验证、测试"三份，一行 load_dataset 即可使用，无需自行拆分。

lansinuote/ChnSentiCorp（https://huggingface.co/datasets/lansinuote/ChnSentiCorp）：约 12000 条，训练/验证/测试已切分。注意这个条数与 GitHub 上的 7000 多条不一致——同一个名字未必是同一份数据，使用前务必核对清楚。
seamew/ChnSentiCorp（https://huggingface.co/datasets/seamew/ChnSentiCorp）：另一个常用版本，格式为 arrow，同样已切分，使用前需核对版本。
t1annnnn/Chinese_sentimentAnalyze（https://huggingface.co/datasets/t1annnnn/Chinese_sentimentAnalyze）：合并了微博和购物评论，约 18.3 万条，训练/验证/测试齐全，适合做更大规模的两分类训练。

三、需要学术权威来源？这些评测集质量好，但多半需要申请

如果你追求高精度、研究级，或者想与论文做对比，那需要走官方评测集的路子。这些数据质量最高、标注更细，但通常需要官方申请、甚至当年报名比赛才能取得，不是点击即可下载。

SMP2020-EWECT（微博情绪分类）（https://smp2020ewect.github.io/）：6 类情绪标注（积极/愤怒/悲伤/恐惧/惊奇/无情绪），有通用版和疫情版，需遵循官方使用条款。
NLPCC 2014 / 2013（中文微博情感分析）（http://tcci.ccf.org.cn/conference/2014/pages/page04_sam.html，http://tcci.ccf.org.cn/conference/2013/pages/page04_sam.html）：7 类细粒度情绪，XML 格式。样例可以下载，完整数据集偏学术用途，如无法取得，可使用下面的转存仓库。

DinghaoXi/chinese-sentiment-datasets（https://github.com/DinghaoXi/chinese-sentiment-datasets）：这个 GitHub 仓库整理转存了 NLPCC 2013/2014 的数据。需注意转存版不保证与官方完全一致，使用前需自行核对。

四、国内平台：访问稳定，但需注册

如果访问国外网站较慢，也有国内可直接使用的来源。

百度飞桨 AI Studio：搜索"ChnSentiCorp"（https://aistudio.baidu.com/datasetdetail/158737）或"SMP2020-EWECT"（https://aistudio.baidu.com/projectdetail/3803173），国内网络可直接访问，但需注册登录才能下载。
阿里云天池（https://tianchi.aliyun.com/dataset/88766）：四个领域（笔记本、汽车、相机、手机）的二分类中文评论，需登录下载。

五、找不到对口数据？先查这几个导航站

有时你需要的数据较为冷门，或者明知存在却找不到下载入口。这时不必盲目尝试，先到以下导航站对一下口径：

ChineseNLP（滴滴维护）（https://chinesenlp.xyz/docs/sentiment_analysis.html）：情感分析篇，把主流数据集列得清晰，包括任务定义、类别、数据说明。可先看这个，再决定去哪查找。
Papers with Code · ChnSentiCorp（已关停·作历史参考）：该站已于 2025 年 7 月被 Meta 关停、域名跳转 Hugging Face；查看模型榜单和论文配套数据，改用 Hugging Face Papers、GitHub。
Kaggle：搜索"weibo sentiment analysis"或"Chinese sentiment"，部分数据在国际镜像上有备份（https://www.kaggle.com/datasets/zhuflower/weibo-sentiment-analysis/code），同样需登录下载。

六、最大的坑：同一个名字，不是同一份数据

常见的问题是：下载了一份"ChnSentiCorp"，却发现条数对不上、标注方式也不一样。有些只有 1000 多条，有些是 7000 多，有些是 12000 的切分版。标注体系也各不相同：有的是"好评/差评"，有的是"4 类情绪"，有的是 6 类、7 类细粒度。

使用前务必核对清楚：将来源、版本号、标注体系逐一确认，避免误用数据而不自知。如不放心，最稳妥的办法是从上面的"SophonPlus/ChineseNlpCorpus"和 Hugging Face 的官方页面重新下载一份，不要使用网盘里来源不明的"下载地址"。

七、数据太散、太乱，不想逐一核对？

大多数人真正卡住的，不是"有没有数据"，而是"数据散在多个平台，版本口径对不上，评测集要申请，原站已经下线"。仅仅核实"这个数据集到底能不能下载、标注是什么、能不能商用"，就可能花掉大半天时间。

如果你想一步到位，可以让我们帮你做一次数据可得性深度检索。我们的工作是：把你需要的任务（例如两分类好评差评、多类情绪、属性级细粒度）拿来，与 GitHub、Hugging Face、百度飞桨、阿里天池、CCF 官方评测站等一手来源逐一比对，最后给你一张清晰的表：哪些可以直接下载、哪些需要注册、哪些需走申请、哪些原站已下线只能找镜像。对每份数据，我们都会如实说明"标注体系是什么、版本是哪版、能不能商用"，不夸大、不承诺一定能下。对于无法取得的数据，我们也会如实说明并给出替代路径，而不会含糊其辞。

数聚天成 DeepSData 做的正是这件事——不是直接给你一套数据，而是帮你在分散的来源中找到最可靠的几份，让你的选择有据可依。