Skip to content
master
Switch branches/tags
Code

Latest commit

 

Git stats

Files

Permalink
Failed to load latest commit information.

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。

萌名手机网页测试版:https://www.yimingzi.com/ ,欢迎体验。

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)

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。


机构名语料库(Organization-Names-Corpus)

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。


公司简称、品牌词等(Company-Shorter-Form)

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。


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。


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。


Stargazers over time

Stargazers over time


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

删除了3000余非公司名。 -2019.07.27

删除了2万余质量不高的公司名、机构名。 -2019.12.25

删除了2万余质量不高的公司名、机构名。 -2020.12.13

删除了2万余质量不高的公司名、机构名、简称。 -2021.05.05


@萌名NameMoe 整理

2021.05.05

About

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。

Topics

Resources

License

Packages

No packages published