Awesome

公司名语料库（Company-Names-Corpus）

<strong>关于萌名（NameMoe）</strong>

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。

<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。

Stargazers over time

<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

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