Где можно найти базу данных имен СНГ с полом?

Question

[Никита]

У нас датасет с именами пользователей, где пользователи граждане СНГ. Основные кластеры - россияне, таджикистанцы, узбекистанцы, армяне, грузины. Задача - быстро проставить им пол, зная имя.
Список самых частых русских имен нашел, использовал, проблем нет.
Но список имен среднеазиатов да и грузин с армянами на русском не нашел. Встроенные библиотеки Python тоже не помогли. Может есть адекватный датасет с именами и полом? Или хотя бы разделенные списки мужских и женских имен?

Answer 1

[Владимир Коротенко]

Составьте сами, это не сложно.
Вот кстати мой вопрос https://qna.habr.com/q/1102424
Кстати каюсь не ответил.

Так вот отсекал по повторам и словарю. Получилось что то около 18 строк. Основная база это около 210 000 пользователей.

Для пола поищите церковные словари, там есть разделение по полу и по именам у Грузин и Армян точно есть

Кстати далеко ходить не надо
https://statusname.ru/catalog/wevro/zhenskoe-imya-...

Comments

[Никита]

1)Не понял, как ваш вопрос о китайских инициалах относится к моему? У нас задача пол получить

2)По вашей ссылке сайт генерит 10 имен разных, а нам нужна большая база.

3)Зачем делать самому, если задача ускорить процесс а не вручную самому отсеивать?

[Владимир Коротенко]

1) это анализ последовательностей по какому то признаку

2)По моей же ссылке после ввода капчи выпадет еще с 10, и по моему 20 имен это процентов 95 от общей выборки ели не 98, все остальное легко обработать руками

3)Все когда то кто то делал сам. Почему бы вам это не сделать и не выложить готовый датасет?

[Никита]

2)Спасибо, нормальная точка для старта.

3)А где лучше выложить датасет или список? С учетом что гитхаб может в будущем прикрыться для россиян

[Владимир Коротенко]

Никита, Любой гит самодостаточен, а эта вся фигня рано или полно кончится

Answer 2

[Никита]

Получилось решить следующим образом:

1)Вручную копировал имена по ссылке Владимир Коротенко. Но там имена очень редко употребляемые, если судить по русским. Зато стран много.

2)Нашелся ресурс

https://names.neolove.ru/national/

с самыми частыми именами. Написал простенький парсер на python с библиотекой Beautiful Soup для самых частых имен. Там есть Россия, Армения, Грузия, Узбекистан, но скажем, нет Киргизии и др.