/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。

Apache License 2.0Apache-2.0

中文人名语料库(Chinese-Names-Corpus)

业余项目“萌名NameMoe(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、人名识别。


请勿将本库打包上传其他网站挣积分,已上传的请配合删除,谢谢!


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。


提醒与备注

请勿提交涉政issue:

惹不起呀,谢谢~

语料中还存有的,会在后续的更新中逐步删除掉。


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


@萌名NameMoe 整理

2020.01.29