Liste des noms propres?

Question

Je suis en train de filtrer les noms de blobs texte. Actuellement, je suis juste générer une liste des mots et de filtrer la main mais j'ai ~ 8K mots aller donc je suis à la recherche d'une meilleure façon. Je pourrais saisir un dictionnaire et les filtrer mais cela des noms comme smith abattre et falaise.

Ce que je dois est une des conditions suivantes:

• une liste des noms communs (je besoin des> 5k noms les plus communs)
• une liste de noms qui se trouvent également être des mots

Je figure entre eux, je peux faire une liste noire combinée / whitelist pour obtenir ce que j'ai besoin.

Answer 1

liste des noms Census: http://www.census.gov/genealogy/www/

Cela devrait vous obtenir un angle sur le problème, de toute façon.

modifié a changé URL, par commentaire ci-dessous à propos de la page mobile. Personne ne croit en HTTP 302 plus?

Answer 2

A partir d'un poste que j'ai trouvé à NELL Browser et KnowledgeBase télécharger les données à: Ressources et données .

racler Web les résultats pour, disons, personUS semble plus efficace que ce que je l'ai fait, ce qui est d'extraire une liste de noms de phrases dans la catégorie « personne » dans leur grand fichier CSV délimité par des tabulations. De toute façon, vous allez utiliser regex.