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

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

删除了2万余质量不高的公司名、机构名、简称。 -2022.11.30

@萌名NameMoe 整理

2022.11.30