业余项目“萌名(一个基于语料库技术的取名工具)”的副产品。不定期更新。只删词,不加词。
可用于中文分词、机构名识别。
公司名语料库(Company-Names-Corpus)
480万。清洗后仍存有大量badcase。
机构名语料库(Organization-Names-Corpus)
110万。清洗后仍存有大量badcase。
公司简称、品牌词等(Company-Shorter-Form)
28万。清洗后仍存有大量badcase。
为什么是压缩包:
未压缩的文件有200多M,压缩后只有30M左右,我网速不好,就先压为敬。
更新时间:
删除了3000余非公司名。 -2018.10.31
新增了10万公司简称、品牌词。 -2018.12.30
新增了28万公司简称、品牌词。 -2019.03.23
删除了2万余质量不高的公司名、机构名。 -2019.04.15
@萌名 整理
2019.04.15