Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/wainshine/chinese-names-corpus
中文人名语料库。人名生成器。中文姓名,姓氏,名字,称呼,日本人名,翻译人名,英文人名。可用于中文分词、人名实体识别。
https://github.com/wainshine/chinese-names-corpus
corpus dataset dict names ner
Last synced: about 1 month ago
JSON representation
中文人名语料库。人名生成器。中文姓名,姓氏,名字,称呼,日本人名,翻译人名,英文人名。可用于中文分词、人名实体识别。
- Host: GitHub
- URL: https://github.com/wainshine/chinese-names-corpus
- Owner: wainshine
- License: apache-2.0
- Created: 2016-12-08T15:47:52.000Z (almost 8 years ago)
- Default Branch: master
- Last Pushed: 2024-03-27T04:58:40.000Z (8 months ago)
- Last Synced: 2024-10-15T09:05:31.282Z (about 1 month ago)
- Topics: corpus, dataset, dict, names, ner
- Homepage: https://open.namemoe.com/
- Size: 34.9 MB
- Stars: 3,966
- Watchers: 104
- Forks: 989
- Open Issues: 8
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# 中文人名语料库（Chinese-Names-Corpus）
关于萌名（NameMoe）
萌名是一个基于大数据和自然语言处理技术的新取名产品。
通过分词工具对海量文本进行分词和词频统计。数据清洗后，得到千万级的人名词典。再对其进行性别、年龄、拼音、情感、人名指数等标记，最终形成5600万+的中文人名图谱。
本子项目可用于中文分词、人名识别等场景。
---
PS1：维护此项目，除个人兴趣外，主要是在此过程中，可通过任务驱动来不断学习和实践NLP、KG以及AI等相关前沿技术。
PS2：正在找工作，求内部推荐～ 移动医疗/SaaS后台/人工智能方向的 高级产品经理一枚。
PS3：请勿提交涉政issue，谢谢。
PS4：如将本项目转存到国内的某平台，请设置成0积分下载，并保留GitHub链接。
---
中文常见人名（Chinese_Names_Corpus）
数据大小：120万。
语料来源：从亿级人名语料中提取。
数据清洗：已清洗，但仍存有少量badcase。
新增人名生成器。
---
中文古代人名（Ancient_Names_Corpus）
数据大小：25万。
语料来源：多个人名词典汇总。
数据清洗：已清洗。
---
中文姓氏（Chinese_Family_Name）
数据大小：1千。
语料来源：从亿级人名语料中提取。
数据清洗：已清洗。
---
中文称呼（Chinese_Relationship）
数据大小：5千，称呼词根；18万，中文称呼。
语料来源：多个人名词典汇总。
数据清洗：已清洗，但仍存有大量badcase。
---
# 英文人名语料库（English-Names-Corpus）
翻译人名（English_Cn_Name_Corpus）
数据大小：48万。
语料来源：多个人名词典汇总。
数据清洗：已清洗，但仍存有少量badcase，以地名居多。
本语料的人名识别由网友 “[ltccss](https://github.com/ltccss)” 友情提供。
---
# 日文人名语料库（Japanese_Names_Corpus）
日文人名（Japanese_Names_Corpus）
数据大小：18万。
数据来源：从维基百科中提取。
数据清洗：已清洗，但仍存有少量badcase。
数据清洗过程详见：“[日本人名数据清洗分享](https://github.com/wainshine/Chinese-Names-Corpus/issues/4)”。
---
# 中文词典语料库（Chinese_Dict_Corpus）
成语词典（ChengYu_Corpus）
数据大小：5万。
语料来源：多个成语词典汇总。
数据清洗：已清洗。
---
## Stargazers over time
[](https://starchart.cc/wainshine/Chinese-Names-Corpus)
---
更新时间：
更早的提交，不记得时间了。
删除了1000余非人名。 -2017.08.08
删除了5000余非人名。 -2017.11.25
新增了18万日文人名。 -2017.12.17
删除了1500余非人名（主要是日文地名）。 -2017.12.30
删除了约3万余非人名、或低频人名。 -2018.11.04
删除了2600余非人名、或低频人名。 -2019.04.15
删除了约1万余非人名、或低频人名。 -2019.07.27
将文件移动到文件夹。 -2019.10.21
新增人名生成器。 -2020.01.29
删除了约6万余非人名、或低频人名。 -2020.12.13
更新人名生成器。 -2021.11.22
删除了约700余非人名、或低频人名。 -2022.11.30
---
@萌名NameMoe 整理
2024.03.27