# Chinese-Names-Corpus

**Repository Path**: bobosui/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。
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2020-07-16
- **Last Updated**: 2021-03-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 中文人名语料库（Chinese-Names-Corpus）
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。</br>
可用于中文分词、人名识别。

<strong>中文常见人名（Chinese_Names_Corpus）</strong></br>
120万。从亿级人名语料中提取。删除了罕见姓氏、和带生僻字的人名。随机删除了部分名人姓名（一点点小私心）。清洗后仍存有少量badcase。

<strong>中文古代人名（Ancient_Names_Corpus）</strong></br>
25万。多个人名词典汇总。删除了罕见姓氏、和带生僻字的人名。清洗后仍存有少量badcase。

<strong>日文人名（Japanese_Names_Corpus）</strong></br>
18万。从维基百科中提取。删除了罕见姓氏、和带生僻字的人名。清洗后仍存有少量badcase。</br>
数据清洗过程相见，“[日本人名数据清洗分享](https://github.com/wainshine/Chinese-Names-Corpus/issues/4)”。

<strong>翻译人名（English_Cn_Name_Corpus）</strong></br>
48万。多个人名词典汇总。删除了翻译人名常用字之外的人名。混有少量西化中文人名，如“李伯恩”。清洗后仍存有少量badcase，尤其是英文地名。

<strong>中文姓氏（Chinese_Family_Name）</strong></br>
1千。从亿级人名语料中提取。删除了罕见姓氏，复姓只保留了“欧阳”。

<strong>中文称呼（Chinese_Relationship）</strong></br>
5千。称呼词根。多个人名词典汇总。删除了部分带贬义的称呼。</br>
18万。中文称呼。多个人名词典汇总。清洗后仍存有大量badcase。

<strong>成语词典（ChengYu_Corpus）</strong></br>
5万。多个成语词典汇总。清洗后仍存有少量badcase。

---

<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

---

@萌名 整理

2018.05.09