https://github.com/nabidam/persian-names

Persian names dataset
https://github.com/nabidam/persian-names

dataset farsi farsi-datasets iran json persian

Last synced: 3 months ago
JSON representation

Persian names dataset

• Host: GitHub
• URL: https://github.com/nabidam/persian-names
• Owner: nabidam
• License: mit
• Created: 2024-01-25T10:11:40.000Z (10 months ago)
• Default Branch: main
• Last Pushed: 2024-01-25T17:13:27.000Z (10 months ago)
• Last Synced: 2024-06-06T10:33:59.540Z (5 months ago)
• Topics: dataset, farsi, farsi-datasets, iran, json, persian
• Language: Python
• Homepage:
• Size: 267 KB
• Stars: 2
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# Persian Names

A json file contains 8816 persian name with their gender (some of them is not labeled)

# اسامی ایرانی

یک فایل json که حاوی ۸۸۱۶ نام ایرانی به همراه جنسیت آنها (برخی از اسامی بدون برچسب جنسیت هستند) می‌باشد.

## Resource (منابع)

- 

- 

## Description

I just download 2 xls and csv files from the internet, then preprocessed them to make the data of the two files compatible and finally merge them into one json file.

### Preprocess

1. removeing arabic standard characters that are not in persian words, like `ئ` or ‍‍`ك`

2. removing arabic irabs from words, like `ـَـِـُ`

## توضیحات

بنده دو فایل اکسل و csv که از اینترنت پیدا کردم را ابتدا با استفاده از پردازش‌های ساده‌ با یکدیگر سازگار کرده سپس داده‌های دو فایل را با هم ادغام کردم.

### پیش‌پردازش‌ها

1. حذف حروف استاندارد عربی مانند `ئ` و `ك`

2. حذف اعراب از اسامی مانند `ـَـِـُ`

## Todos

- [x] parse and merge two name files

- [ ] add missing genders to rest of the names

- [ ] add names latin version to the results

- [ ] add names pronounciations (maybe in audio format) to the results