https://github.com/wainshine/species-names-corpus

物种名称语料库。植物名,动物名。
https://github.com/wainshine/species-names-corpus

corpus dataset dict

Last synced: 8 months ago
JSON representation

物种名称语料库。植物名,动物名。

• Host: GitHub
• URL: https://github.com/wainshine/species-names-corpus
• Owner: wainshine
• License: apache-2.0
• Created: 2019-05-08T02:50:27.000Z (over 6 years ago)
• Default Branch: master
• Last Pushed: 2024-03-27T04:20:36.000Z (over 1 year ago)
• Last Synced: 2025-01-13T20:48:23.812Z (10 months ago)
• Topics: corpus, dataset, dict
• Homepage:
• Size: 1.23 MB
• Stars: 45
• Watchers: 6
• Forks: 24
• Open Issues: 1
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

          
# 物种名称语料库（Species-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。

为剔除人名、机构名中的badcase，个人收集并建立了大量行业词典，物种名称语料库（Species-Names-Corpus）即是其中之一。

本子项目可用于中文分词、物种名称识别等场景。

---

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。

---

物种名称语料库（Species-Names-Corpus）

数据大小：20万。

语料来源：多个词典汇总。

数据清洗：已清洗，但仍存有大量badcase。

---

更新时间：

删除部分badcase。 -2019.07.27

删除部分badcase。 -2020.12.13

---

@萌名NameMoe 整理

2024.03.27