GitHub |
您所在的位置:网站首页 › idfashion中文名字 › GitHub |
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” 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”。 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 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |