搜狗中文文本分析语料库

搜狗实验室新闻数据精简版，将xml文本进行处理后分类如下： 奥运 5595个txt 房产 14695 个txt 互联网 2200个txt 健康 1153个txt 教育 2075个txt 旅游 1802个txt 汽车 1405个txt 商业 12465个txt 时尚 3490 个txt 体育 17237 个txt 文化 628个txt 娱乐 6757个txt 招聘 18个txt 由于是个人xml文本处理过的，处理了部分文档，如果需要更多可以联系我。 免费下载链接：https://share.weiyun.com/X0prakLr

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-07-03 21:38  sougou_all\
     目录           0  2018-07-03 21:25  sougou_all\互联网\
     文件        1122  2018-07-03 21:14  sougou_all\互联网\1.txt
     文件         882  2018-07-03 21:14  sougou_all\互联网\10.txt
     文件        3336  2018-07-03 21:14  sougou_all\互联网\100.txt
     文件         594  2018-07-03 21:18  sougou_all\互联网\1000.txt
     文件         138  2018-07-03 21:18  sougou_all\互联网\1001.txt
     文件        1014  2018-07-03 21:18  sougou_all\互联网\1002.txt
     文件         906  2018-07-03 21:18  sougou_all\互联网\1003.txt
     文件        1203  2018-07-03 21:18  sougou_all\互联网\1004.txt
     文件        1749  2018-07-03 21:18  sougou_all\互联网\1005.txt
     文件        1311  2018-07-03 21:18  sougou_all\互联网\1006.txt
     文件        1155  2018-07-03 21:18  sougou_all\互联网\1007.txt
     文件        1986  2018-07-03 21:18  sougou_all\互联网\1008.txt
     文件        1524  2018-07-03 21:18  sougou_all\互联网\1009.txt
     文件        2608  2018-07-03 21:14  sougou_all\互联网\101.txt
     文件        2193  2018-07-03 21:18  sougou_all\互联网\1010.txt
     文件        1623  2018-07-03 21:18  sougou_all\互联网\1011.txt
     文件        1089  2018-07-03 21:18  sougou_all\互联网\1012.txt
     文件        1473  2018-07-03 21:18  sougou_all\互联网\1013.txt
     文件        1152  2018-07-03 21:18  sougou_all\互联网\1014.txt
     文件        2192  2018-07-03 21:18  sougou_all\互联网\1015.txt
     文件        3114  2018-07-03 21:18  sougou_all\互联网\1016.txt
     文件        2580  2018-07-03 21:18  sougou_all\互联网\1017.txt
     文件        3363  2018-07-03 21:18  sougou_all\互联网\1018.txt
     文件        2691  2018-07-03 21:18  sougou_all\互联网\1019.txt
     文件        9048  2018-07-03 21:14  sougou_all\互联网\102.txt
     文件        7363  2018-07-03 21:18  sougou_all\互联网\1020.txt
     文件        6321  2018-07-03 21:18  sougou_all\互联网\1021.txt
     文件        5352  2018-07-03 21:18  sougou_all\互联网\1022.txt
     文件        4668  2018-07-03 21:18  sougou_all\互联网\1023.txt
............此处省略70097个文件信息