汉语词表补充

主要补充来自 NLP 语料分词词表、网络百科词条名等数据。 相比出版词典等，数据量级更大，囊括更多新词、长词。 由于主要来自网络文本，数据污染问题较严重，如含特殊字符，敏感类字词较多（NSFW），同存在非规范词形、繁简混杂等情况。 如用于输入法词库、模型训练等场景，请慎重使用。

• 常用规范词表和专名词见：https://github.com/zispace/hanzi-words
• 搜狗词库见：https://github.com/zispace/dict-scel; 官网https://pinyin.sogou.com/dict/

数据集

• 网络百科词条：
  • 维基百科（中文）
  • 百度百科
• 腾讯词向量
• 部分输入法词库（转换成纯文本词表）
• 高校名称
• 反义词对
• 鸿雁拼音 https://forum.freemdict.com/t/topic/15303/
• ……

---

补充资料

词典类资料

• 《现代汉语方言大词典》（PDF） https://github.com/ZWolken/Great-Dictionary-of-Modern-Chinese-Dialects
• 人名(人物、名人、文学家、字号、名字)词典索引 https://forum.freemdict.com/t/topic/15726
• 人名地名类辞典 10 部 https://forum.freemdict.com/t/topic/33176

输入法词库

• 搜狗输入法细胞词库 https://github.com/zispace/dict-scel, https://pinyin.sogou.com/dict/
• Rime 配置：雾凇拼音 https://github.com/iDvel/rime-ice
• Rime 配置：白霜拼音 https://github.com/gaboolic/rime-frost
• Rime 配置：RIME 词库增强 https://github.com/Iorest/rime-dict/
• 中文维基百科拼音词库（Fcitx 5） https://github.com/felixonmars/fcitx5-pinyin-zhwiki
• 单手笔顺输入法码表: https://gitee.com/yq-ysy/one-hand_code https://github.com/YQ-YSY/stroke-seq_MB
• 自建拼音输入法词库（Fcitx5/GBoard） https://github.com/wuhgit/CustomPinyinDictionary
• Gboard 词库语料库 https://github.com/entr0pia/corpus-of-gboard_dict_3
• 单手笔顺输入法（码表） https://gitee.com/yq-ysy/one-hand_code, https://github.com/YQ-YSY/stroke-seq_MB
• 小麥注音輸入法 https://github.com/openvanilla/McBopomofo/

通用词库

• HanLP 词库 https://github.com/hankcs/HanLP
  • 数据包 data-for-1.7.5.zip
• 敏感词/审查词汇总：https://github.com/hantang/data-corpus/tree/main/censorship
• 同义词 https://github.com/jaaack-wang/Chinese-Synonyms
  • 哈工大同义词词林扩展版 https://github.com/BiLiangLtd/WordSimilarity/tree/master/data, https://www.ltp-cloud.com/download
  • 同义词词林（梅家驹等，1983 年） https://forum.freemdict.com/t/topic/1211

专名类词库

• 中文、日文、英文人名语料库：https://github.com/wainshine/Chinese-Names-Corpus
• CCNC 大型中文姓名语料库 https://github.com/jaaack-wang/ccnc
• NER 数据集 https://github.com/GuocaiL/nlp_corpus
• 公司和机构名语料库 https://github.com/wainshine/Company-Names-Corpus
• THUOCL 中文词库（IT、财经、成语、地名、历史名人、诗词、医学、饮食、法律、汽车、动物等类）https://github.com/thunlp/THUOCL, http://thuocl.thunlp.org
• 领域词汇知识库（涵盖 68 个领域、共计 916 万词） https://github.com/liuhuanyong/DomainWordsDict
• 刘邵博词典360万（个人整理）.txt https://github.com/fkxxyz/chinese-dictionary-3.6million
• Gboard输入法的中文词库 https://github.com/Konne06/Gboard-Pinyin