中文人名语料库（Chinese-Names-Corpus）

某业余项目的副产品。不定期更新。只删词，不加词。

可用于中文分词、人名识别。

中文常见人名（Chinese_Names_Corpus）

120万。从亿级人名语料中提取。删除了罕见姓氏、和带生僻字的人名。随机删除了部分名人姓名（一点点小私心）。清洗后仍存有少量badcase。

中文古代人名（Ancient_Names_Corpus）

25万。多个人名词典汇总。删除了罕见姓氏、和带生僻字的人名。清洗后仍存有少量badcase。

日文人名（Japanese_Names_Corpus）

18万。从维基百科中提取。删除了罕见姓氏、和带生僻字的人名。清洗后仍存有少量badcase，尤其是日文地名。

翻译人名（English_Cn_Name_Corpus）

48万。多个人名词典汇总。删除了翻译人名常用字之外的人名。混有少量西化中文人名，如“李伯恩”。清洗后仍存有少量badcase，尤其是英文地名。

中文姓氏（Chinese_Family_Name）

1千。从亿级人名语料中提取。删除了罕见姓氏，复姓只保留了“欧阳”。

中文称呼（Chinese_Relationship）

5千。称呼词根。多个人名词典汇总。删除了部分带贬义的称呼。 18万。中文称呼。多个人名词典汇总。清洗后仍存有大量badcase。

成语词典（ChengYu_Corpus）

5万。多个成语词典汇总。清洗后仍存有少量badcase。

---

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

---

@思南斋 整理

2017.12.17