skolpin/surname_classification

该数据集是一个用于姓氏分类的数据集，来源于PyTorch教程中的一个项目，该项目使用字符级RNN进行姓氏分类。当前数据集是原始数据的过滤版本，仅包含五种语言（俄语、英语、日语、意大利语、德语）的姓氏，删除了重复的姓氏，并进行了UNICODE到ASCII的标准化处理，最终保存为一个CSV文件。

原始信息汇总

Surname classification dataset 概述

数据集来源

• 原始数据来自 NLP From Scratch: Classifying Names with a Character-Level RNN。

数据集下载

• 原始数据可从 此处 下载。

数据集预处理

• 当前数据集是原始数据的过滤版本，进行了以下预处理步骤：
  • 仅使用5种语言（俄语、英语、日语、意大利语、德语）。
  • 删除重复的姓氏。
  • 将UNICODE转换为ASCII。
  • 文件保存为单个csv格式。

数据集准备

• 下载原始数据并准备当前数据集的过程记录在 surname_classification_prepare.ipynb 笔记本中。