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。

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、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。

Stargazers over time

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

删除了约6万余非人名、或低频人名。 -2020.12.13

更新人名生成器。 -2021.11.22

删除了约700余非人名、或低频人名。 -2022.11.30

@萌名NameMoe 整理

2022.11.30