Uygun isimlerin listesi?

Question

Metin lekeleri dışındaki adları filtrelemeye çalışıyorum. Şu anda sadece bir kelime listesi üretiyorum ve el ile filtreliyorum ama daha iyi bir yol arıyorum diye ~ 8k kelimelere sahibim. Bir sözlük alıp filtreleyebilirim ama bu, smith ve uçurum gibi isimleri caydırabilirdi.

Benim ihtiyacım aşağıdakilerden biri geçerlidir: Ortak isimlerin

• bir liste
• da kelime
olmak olur bir isim listesi (ı> 5k en yaygın isimler gerekiyordu)

Aralarında bir şey buluyorum, ihtiyacım olan şeyi elde etmek için birleşik bir kara liste/beyaz liste yapabilirim.

Answer 1

ABD Nüfus isim listesi: http://www.census.gov/genealogy/www/

neyse, size sorun üzerinde bir açı almak gerekir. değiştirildi URL değiştirildi, sayfa hareketiyle ilgili aşağıya yorum. Artık kimse HTTP 302'ye inanmıyor mu? Ben Quora bulunan bir yazı itibaren

Answer 2

:

, Carnegie Mellon Üniversitesi'nin NELL proje ağından özel adların büyük bir liste toplanmış ve türüne göre onları kategorize etmiştir. Şu adresten çevrimiçi olarak göz atabilir ve Resources & Data adresindeki verileri indirebilirsiniz. personUS, diyelim ki, sonuçlarını kazıma

Web Onların büyük sekme ile sınırlandırılmış CSV dosyasındaki "kişi" olarak etiketlenmiş cümleleri gelen isim listesini ayıklanması olan, yaptıklarından daha etkilidir görünüyor. Her iki şekilde de regex kullanacaksınız.