# Company-Names-Corpus

**Repository Path**: wushh1/Company-Names-Corpus

## Basic Information

- **Project Name**: Company-Names-Corpus
- **Description**: 公司名语料库。机构名语料库。公司简称,缩写,品牌词,企业名。可用于中文分词、机构名实体识别。
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 3
- **Created**: 2021-06-29
- **Last Updated**: 2021-06-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 公司名语料库（Company-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、机构名识别。

---

<strong>公司名语料库（Company-Names-Corpus）</strong>

数据大小：480万。

语料来源：多个词典汇总。

数据清洗：已清洗，但仍存有大量badcase。

---

<strong>机构名语料库（Organization-Names-Corpus）</strong>

数据大小：110万。

语料来源：多个词典汇总。

数据清洗：已清洗，但仍存有大量badcase。

---

<strong>公司简称、品牌词等（Company-Shorter-Form）</strong>

数据大小：28万。

语料来源：多个词典汇总。

数据清洗：已清洗，但仍存有大量badcase。

---

<strong>为什么是压缩包：</strong>

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。

---

<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>

删除了3000余非公司名。 -2018.10.31

<del>新增了10万公司简称、品牌词。 -2018.12.30</del>

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

删除了3000余非公司名。 -2019.07.27

---

@萌名NameMoe 整理

2019.07.27