algorithm - 识别一个人的名字与字典中的单词

Question

有没有什么方法可以识别一个词很可能是/不太可能是一个人的名字？

因此，如果我看到“理解”这个词，我会得到 0.01 的概率，而“约翰逊”这个词会返回 0.99 的概率，而像 Smith 这样的词会返回 0.75，像 Apple 这样的词会返回 0.15。

有什么办法吗？

目标是，如果有人搜索 Charles Darwin galapagos，搜索引擎会猜测它应该在作者字段中搜索 Charles 和 Darwin 以及 galapagos 的标题和摘要字段。

Answer 1

我的快速技巧是这样的:

从人口普查局获取按受欢迎程度排序的名单，它是免费提供的。给每个名字一个标准化的受欢迎程度得分(1.0 = 最受欢迎，0.0 = 最不受欢迎)。

然后，获取一本开源词典，并进行一些研究以汇总每个单词的频率分数。你可以找到一个 here, at wiktionary .为每个词分配一个流行度分数，从 1.0 到 0.0。方便的是，如果您无法在频率列表中找到某个词，您会假设它是一个非常不常见的词。

在两个列表中寻找一个词。如果它只是一个或另一个，你就完成了。如果两者都存在，请使用公式来计算加权概率......类似于(名称流行度)/(名称流行度+其他流行度)。如果它不在任何一个列表中，它可能是一个名字。