公開されている日本の企業名辞書の紹介 - MNTSQ Techブログ

特許・契約書・有価証券報告書・企業関連ニュースなど、実応用上の自然言語処理では、会社名を認識したいという場面に非常に多く出くわす。 会社名らしい文字列をテキストから抽出することは、形態素解析器の辞書を用いたり固有表現抽出モデルを学習することである程度実現される一方で、抽出した会社名をレコード化して分析などに用いる際には、いわゆる名寄せの問題が発生する。 自然言語処理における名寄せに似た問題は、エンティティリンキングや共参照解析といったアプローチで探求されており、実応用上は前者のアプローチが採られることが多い印象がある。*1 名寄せタスクをエンティティリンキング的に解くためには、帰着先の知識ベース・辞書が予め存在していることが必要だが、研究の文脈では知識ベースとしてWikipediaが採用されることが多い。 Wikipediaを用いる利点は多くあり、様々なエンティティ種に対してそこそこのカバ

[braitom]

日本の企業名の解析に有用な辞書データについて。

[efcl]

企業名の辞書リソース

[nikkie-ftnext]

自然言語処理で会社名を認識したいケースにおいて名寄せタスクをエンティティリンキング的に解くため、2つの日本の会社名辞書を紹介：国税庁法人番号データ、NISTEP企業名辞書。前者からTISがJCLdicという企業名辞書を公

[h_taiji]

名寄せ用によいかも

[ank0u]

“国税庁法人番号データ(20200731)ののべ件数が4,874,674件（重複含む）に対し、NISTEP企業名辞書(ver.2020_2)ののべ件数が24,414件。”東洋経済の「日本の会社データ4万件」50万円買って繋いだら便利そう。

[hatehatesu]

“特許・契約書・有価証券報告書・企業関連ニュースなど、実応用上の自然言語処理では、会社名を認識したいという場面に

[cinefuk]

『特許・契約書・有価証券報告書・企業関連ニュースなど、実応用上の自然言語処理では、会社名を認識したいという場面に非常に多く出くわす。 抽出した会社名を分析などに用いる際には、いわゆる名寄せの問題が』

[eagleyama]

くわしー