1️⃣ 项目为研究者对弹幕语料库进行深入研究提供开源评论数据，主要针对亚文化弹幕评论语料库（包括但不限于鬼畜、动漫、电竞类型）。
2️⃣ Corpus 由 TinyTalks 维护，TinyTalks 是一个中文短文本 NLP 研究社区。
从2017年到2020年，视频语料库播放量超过100万次。属性如下。
| Attribute | explanation |
|---|---|
| Bvno | 视频识别号 |
| Tname | 主标签 |
| Tag_name | 标签列表 |
| Owner_mid | 发布者Id |
| Title | 标题 |
| Pubdate | 发布时间 |
| Duration | 持续时间 |
| View | 观看数量 |
| Danmaku | 弹幕数量 |
| Reply | 转发数量 |
| Favorite | 收藏数量 |
| Coin | 投币数量 |
| Share | 分享数量 |
| Like | 喜欢数量 |
资源: https://pan.bnuz.edu.cn/l/J5z6nP 密码:bnuz
https://pan.bnuz.edu.cn/l/g1ydM2 密码:bnuz
| Attribute | explanation |
|---|---|
| videoType | 视频类型 |
| relation | 属于 |
| channel | 频道标签 |
属性详细信息如下。
| Attribute | type | explanation | Default |
|---|---|---|---|
| text | (str) | 弹幕文本 | |
| dm_time | (float) | 弹幕在视频中的位置，单位为秒 | 0.0 |
| send_time | (float) | 弹幕发送的时间 | time.time() |
| crc32_id | (str) | 弹幕发送者 UID 经 CRC32 算法取摘要后的值 | None |
| color | (str) | 弹幕十六进制颜色 | "ffffff" |
| weight | (int) | 弹幕在弹幕列表显示的权重 | -1 |
| id_ | (int) | 弹幕 ID | -1 |
| id_str | (str) | 弹幕字符串 ID | "" |
| action | (str) | 暂不清楚 | "" |
| mode | (Mode) | 弹幕模式 | Mode.FLY |
| font_size | (FontSize) | 弹幕字体大小 | FontSize.NORMAL |
| is_sub | (bool) | 是否为字幕弹幕 | False |
| pool | (int) | 暂不清楚 | -1 |
| attr | (int) | 暂不清楚 | -1 |
鬼畜类 https://pan.bnuz.edu.cn/l/pn3Yj5 密码：bnuz
电竞类 https://pan.bnuz.edu.cn/l/I510mH 密码：bnuz
动漫类 https://pan.bnuz.edu.cn/l/toTTtQ 密码：bnuz
疫情类 https://pan.bnuz.edu.cn/l/aoMMOM 密码：bnuz
https://pan.bnuz.edu.cn/l/onFbAO 密码：bnuz
https://pan.bnuz.edu.cn/l/QJGkNF 密码：bnuz
为了供只需要文本数据的学者使用，本文还提供了一个纯文本语料库，对训练各种语言模型很有用。 https://pan.bnuz.edu.cn/l/r1Kkfd 密码：bnuz
数据使用utf-8编码，逗号分隔的csv保存
数据分为数字信息、文本信息、标注分类（未标注数据无标注信息）
数字信息包含：弹幕在视频中出现的时间点、展示模式、字号、字体颜色、发送时间、弹幕池编号、发送用户编号、在弹幕数据库中的编号，信息用逗号分隔
标注类别：0高兴、1难过、2愤怒、3惊、4负样本
https://pan.bnuz.edu.cn/l/snpijm password: bnuz
索引: https://github.com/MelkiorOno/DanmakuMarked-data
上传中...
如果您在研究中使用此语料库，请引用此存储库。
@article{
QBTS202209010,
author = {陈鑫,张以欣,吴俊潮,郭凌宇,余泽汇 & 杨静},
title = {历时弹幕语料库的构建与探析——以青年亚文化弹幕为例},
journal = {情报探索},
volume = {No.299},
number = {77-85},
year = {2022},
issn = {1005-8095},
doi ={https://www.doi.org/10.3969/j.issn.1005-8095.2022.09.010}
}