wainshine / Company Names Corpus
Licence: apache-2.0
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。
Stars: ✭ 868
Projects that are alternatives of or similar to Company Names Corpus
Chinese Names Corpus
中文人名语料库。人名生成器。中文姓名,姓氏,名字,称呼,日本人名,翻译人名,英文人名。可用于中文分词、人名实体识别。
Stars: ✭ 3,053 (+251.73%)
Mutual labels: dict, dataset, corpus, ner
Awesome Hungarian Nlp
A curated list of NLP resources for Hungarian
Stars: ✭ 121 (-86.06%)
Mutual labels: dataset, corpus
Indonesian Nlp Resources
data resource untuk NLP bahasa indonesia
Stars: ✭ 143 (-83.53%)
Mutual labels: dataset, corpus
Prosody
Helsinki Prosody Corpus and A System for Predicting Prosodic Prominence from Text
Stars: ✭ 139 (-83.99%)
Mutual labels: dataset, corpus
Nlp bahasa resources
A Curated List of Dataset and Usable Library Resources for NLP in Bahasa Indonesia
Stars: ✭ 158 (-81.8%)
Mutual labels: dataset, corpus
Fakenewscorpus
A dataset of millions of news articles scraped from a curated list of data sources.
Stars: ✭ 255 (-70.62%)
Mutual labels: dataset, corpus
Ua Gec
UA-GEC: Grammatical Error Correction and Fluency Corpus for the Ukrainian Language
Stars: ✭ 108 (-87.56%)
Mutual labels: dataset, corpus
Bond
BOND: BERT-Assisted Open-Domain Name Entity Recognition with Distant Supervision
Stars: ✭ 96 (-88.94%)
Mutual labels: dataset, ner
Dialog corpus
用于训练中英文对话系统的语料库 Datasets for Training Chatbot System
Stars: ✭ 1,662 (+91.47%)
Mutual labels: dataset, corpus
Dataset List
lists of text corpus and more (mainly Japanese)
Stars: ✭ 84 (-90.32%)
Mutual labels: dataset, corpus
Clue
中文语言理解测评基准 Chinese Language Understanding Evaluation Benchmark: datasets, baselines, pre-trained models, corpus and leaderboard
Stars: ✭ 2,425 (+179.38%)
Mutual labels: dataset, corpus
Cluener2020
CLUENER2020 中文细粒度命名实体识别 Fine Grained Named Entity Recognition
Stars: ✭ 689 (-20.62%)
Mutual labels: dataset, ner
Cluepretrainedmodels
高质量中文预训练模型集合:最先进大模型、最快小模型、相似度专门模型
Stars: ✭ 493 (-43.2%)
Mutual labels: dataset, corpus
Nlp chinese corpus
大规模中文自然语言处理语料 Large Scale Chinese Corpus for NLP
Stars: ✭ 6,656 (+666.82%)
Mutual labels: dataset, corpus
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
@萌名NameMoe 整理
2020.12.13
Note that the project description data, including the texts, logos, images, and/or trademarks,
for each open source project belongs to its rightful owner.
If you wish to add or remove any projects, please contact us at [email protected].