Text 专有名称列表？

我正在尝试从文本块中筛选名称。目前，我只是生成一个单词列表，并手动过滤，但我还有约8k个单词，所以我正在寻找更好的方法。我可以拿一本字典把它们过滤掉，但那会剔除像史密斯和克里夫这样的名字

我需要的是以下任一项：

• 常见名称列表（我需要>5k的最常见名称）
• 碰巧也是单词的名称列表

我想在他们中间，我可以做一个黑名单/白名单的组合，以获得我所需要的。

美国人口普查名单：

无论如何，这会让你在这个问题上有一个角度

编辑更改URL，根据下面关于页面移动的评论。没有人再相信HTTP 302了？

我在以下网站上找到的帖子：

CMU的NELL项目从网络上收集了大量专有名词，并按类型进行分类。您可以在以下位置联机浏览，并在以下位置下载数据：

---

比如说，网络抓取结果似乎比我所做的更有效，我所做的是从标签分隔的CSV文件中标记为“person”的短语中提取一个姓名列表。无论哪种方式，您都将使用regex。

什么语言的通用名称？或者在哪个国家，因为“阿里”在美国很受欢迎，尽管它是一个阿拉伯名字。@John，正如它所发生的那样，大部分是英语，但在那之后，几乎什么都有。至于“还字”位；英语。人口普查可能有点过时，而且它也只包含常用的名字，因此，例如，Barak无法在男性优先列表中找到，而Obama则无法在all.last文件中找到，尽管Barak Obama的名字在书面文本（如新闻来源、博客、，链接到census.gov的tweets等现在会导致404。这似乎是人口普查网站上家谱数据的新顶级主页：。在政府关闭期间，此资源处于脱机状态。有好的选择吗？谢谢。互联网档案说，这是2020年的档案位置：（还有2010年的人口普查）