GitHub |
您所在的位置:网站首页 › 查询公司英文名对应的中文 › GitHub |
公司名语料库(Company-Names-Corpus)
关于萌名(NameMoe) 萌名是一个基于大数据和自然语言处理技术的新取名产品。 通过分词工具对海量文本进行分词和词频统计。数据清洗后,得到千万级的人名词典。再对其进行性别、年龄、拼音、情感、人名指数等标记,最终形成5600万+的中文人名图谱。 为剔除人名、机构名中的badcase,个人收集并建立了大量行业词典,公司名语料库(Company-Names-Corpus)即是其中之一。 本子项目可用于中文分词、机构名识别等场景。 PS1:维护此项目,除个人兴趣外,主要是在此过程中,可通过任务驱动来不断学习和实践NLP、KG以及AI等相关前沿技术。 PS2:正在找工作,求内部推荐~ 移动医疗/SaaS后台/人工智能方向的 高级产品经理一枚。 PS3:请勿提交涉政issue,谢谢。 PS4:如将本项目转存到国内的某平台,请设置成0积分下载,并保留GitHub链接。 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。 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 2024.03.27 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |