注：博文转载、语料库使用，请注明提供者、来源以及空间提供方。
免责声明：此语料库仅供自然语言处理的业余爱好者研究和交流，禁止用于任何商业用途（包括在资源内部链接广告等行为）。
感谢网易新闻中心、腾讯新闻中心、凤凰新闻中心以及新浪新闻中心提供新闻素材。新闻著作权归以上网站所有，任何人未经上述公司允许不得抄袭。
语料库下载地址：http://download.cnblogs.com/finallyliuyu/corpus.rar
语料素材来源： 凤凰新闻中心、网易新闻中心、腾讯新闻中心、新浪新闻中心。
语料库整理提供者： finallyliuyu
语料库空间提供方： 博客园（无偿提供）
说明：
1、此语料库非职务作品，由本人在业余时间搜集整理，免费提供给对NLP狂热的业余爱好者学习研究使用；本人是自然语言处理的业余爱好者，在类别定义等方面都可能存在一些欠缺，欢迎大家提出宝贵意见和建议；
2、下载地址提供的是MS SQL2000数据库的备份文件。使用此数据库，您需要安装 MS SQL2000 server，然后将corpus.rar解压并还原。压缩包大小为54.8M，共包含39247篇新闻，分为历史、军事、文化、读书、教育、IT、娱乐、社会与法制等八个类别。历史类、文化类、读书类新闻来自于凤凰网，IT类的新闻全部来自tech.qq，教育类的新闻来自edu.qq，娱乐类的新闻来自网易。社会与法制类的新闻来自于新浪和腾讯的几个版面；
3、需要特别注意的是，有的新闻在开头处有大量空白，因此在查询数据库ArticleText字段中有大片空白的，不是空新闻，是整个新闻体截断显示的缘故。
4、有关语料库的其他情况，请参考《献给热衷于自然语言处理的业余爱好者的中文新闻分类语料库之一》。
我本人在此语料库做过的验证性实验有：《KL语义距离计算系列》 ，《Kmeans聚类系列》以及《文本分类和特征词选择系列》。
感谢DUDU在博客园无偿帮忙提供空间；也感谢博客园团队。衷心祝愿你们越办越好！
不好意思哈，我没找到在哪里调字体，汗，有点乱
[回复]
52nlp 回复:
11 12 月, 2010 at 22:34
非常感谢！可以用html的编辑模式，把那些标签去掉！
[回复]
52nlp 回复:
11 12 月, 2010 at 23:02
我帮你调整了一下，不知道是否合适！按说不应该这样做得，呵呵！
[回复]
finallyliuyu 回复:
12 12 月, 2010 at 09:26
太感谢了：）
[回复]
赞！ 看到你的实验，就知道你是整 edit distance的那个id了
[回复]
[...] 1、boycat：为52nlp转型为群体博客提出了最宝贵的建议和最直接的贡献-第一砖，混在NLP 2、finallyliuyu：在52nlp转型为群体博客后，贡献了第一篇博文-公布一批中文文本分类的新闻语料库 3、王增才：基于哈希表和二叉树的词典研究 [...]
又看见你的博客了
[回复]
赞，这么好的资料，借用了
[回复]
刚刚看到，博主是否有普通文本的语料呢。。
[回复]
。。。。
[回复]
博主，您好，想问一下汉语有没有类似wordsim353的评测集？
[回复]
yuquanle 回复:
29 3 月, 2017 at 14:22
我找到了一个https://github.com/Leonard-Xu/CWE，清华大学刘知远老师的论文。
[回复]
博主，这个语料库下载下来用编辑器打开为什么是乱码呢~
[回复]
52nlp 回复:
29 3 月, 2017 at 15:52
编码问题？
[回复]
攒 谢谢分享， 能直接导出到txt 格式吗？
[回复]
博主您好 这个下载下来如何打开呀...
[回复]
太崩溃了， 导出成SQL也好啊。
[回复]
请问这个语料可以拿来做学术研究，并用于学术文献发表吗， 谢谢
[回复]
52nlp 回复:
22 3 月, 2019 at 18:21
这个语料已经好多年了，作者贡献的比较早，应该是可以的
[回复]
这个语料怎么解析呀，打开是乱码
[回复]