# Chinese-Names-Corpus

**Repository Path**: delnano/Chinese-Names-Corpus

## Basic Information

- **Project Name**: Chinese-Names-Corpus
- **Description**: 中文人名语料库。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。
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 1
- **Created**: 2019-12-10
- **Last Updated**: 2021-01-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 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。

---

<strong>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！</strong>

---

<strong>中文常见人名（Chinese_Names_Corpus）</strong>

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。

新增性别标注。

---

<strong>中文古代人名（Ancient_Names_Corpus）</strong>

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。

---

<strong>中文姓氏（Chinese_Family_Name）</strong>

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。

---

<strong>中文称呼（Chinese_Relationship）</strong>

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）
<strong>翻译人名（English_Cn_Name_Corpus）</strong>

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）
<strong>日文人名（Japanese_Names_Corpus）</strong>

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）
<strong>成语词典（ChengYu_Corpus）</strong>

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
<strong>请勿提交涉政issue：</strong>

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。

---

<strong>更新时间：</strong>

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

---

@萌名NameMoe 整理

2019.10.21