update

README.md

@@ -1,39 +1,70 @@
 # 中文人名语料库（Chinese-Names-Corpus）
-业余项目“萌名（一个基于语料库技术的取名工具）”的副产品。不定期更新。只删词，不加词。
+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。
+
+不定期更新。只删词，不加词。
 
 可用于中文分词、人名识别。
 
+---
+
 <strong>中文常见人名（Chinese_Names_Corpus）</strong>
 
-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）。
+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）。
+
+新增性别标注。
+
 
 <strong>中文古代人名（Ancient_Names_Corpus）</strong>
 
-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。
+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。
+
 
 <strong>日文人名（Japanese_Names_Corpus）</strong>
 
-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。
+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。
 
 数据清洗过程相见，“[日本人名数据清洗分享](https://github.com/wainshine/Chinese-Names-Corpus/issues/4)”。
 
+
 <strong>翻译人名（English_Cn_Name_Corpus）</strong>
 
-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。
+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。
+
+清洗后仍存有少量badcase，尤其是英文地名。
+
 
 <strong>中文姓氏（Chinese_Family_Name）</strong>
 
-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”。
+1千。
+
+从亿级人名语料中提取。删除了罕见姓氏。
+
 
 <strong>中文称呼（Chinese_Relationship）</strong>
 
-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。
+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。
 
-18万。中文称呼。多个人名词典汇总。清洗后仍存有大量badcase。
 
 <strong>成语词典（ChengYu_Corpus）</strong>
 
-5万。多个成语词典汇总。
+5万。
+
+多个成语词典汇总。
 
 ---