近期,我们又对圆桌起名的百万名字库做了一次扩充。
数据来源是 GitHub 上的一个开源项目。项目中包含千万级的历史人名,经过一系列处理,最终形成了 5600 万条以上的中文人名图谱。
听起来是很庞大的数据量,但处理完的结果却让我们大感意外:
- 能下载到的,是 120 万条现代人名,加 25 万条古代人名;
- 拆分出来的名字只有 19.7 万个;
- 其中两个字都能用于起名的,只剩 15 万个;
- 逐条审完、够得上推荐线的,5 万出头。
从 140 万到 5 万,中间发生了什么?
让我为你娓娓道来。
一、140 万条记录,名字只有 19.7 万个
看起来很大的数据库,拆分下来,才发现它主要是“姓氏+名字”的结构。
对圆桌起名这样的起名应用来说,真正有用的是名字部分。通过技术手段拆分后,名字只有 19.7 万个。
这意味着,即使是进入历史书的人名,很多也都是重复的,只是姓氏不同而已。
我们统计了一下,一个双字名,平均被 8.8 个不同姓氏的人使用过。
其中,最百搭的是叠字。「婷婷」一个名字,配过 400 个不同的姓。丽丽 377 个,丹丹 371 个,晶晶 368 个。这批语料里一共 733 个姓,等于大半个姓氏表里都有人叫婷婷。
再看用字。现代名里出现最多的字是文、华、明、晓、玉、国、海、伟、志、红。光是「华」一个字,在 96 万条双字名记录里就出现了 29,294 次。
这些字,基本上就是过去三十年最常见的名字用字。
二、古代名字,现代还能用的不多
19.7 万个名字中,现代名有 12.9 万个,大部分还能用;古代名有 7.9 万个,大部分已经不能被现代人使用了。
问题不在字,在于这批古代记录里,很多压根不是一个人的名。
古人有名、有字、有号。语料收的是「人名」,于是字、号、谥号、法号,全被当成名收了进来。
最明显的是称谓。古代名里,末字是「卿」的 1,223 个,「臣」806 个,「甫」519 个,「公」268 个,还有「翁」「君」「叟」这一类。加起来三千多个。
这些字今天看着雅,当年是别人对他的敬称,不是父母给他取的名。
还有 3,155 条以「释」开头的记录,在姓氏排名里排到第 14 位——那是僧人的法号:释阿足、释安民、释安上。「法师」这两个字,也在 48 个不同的姓后面出现过。
除此之外,里面混着外国人和少数民族的译名:阿倍仲麻呂、阿班羅桑曲殿。
混着排行和亲属称呼:三姐、七老、七师。
混着依附身份的贱名:万奴。
所以那 7.9 万个古代名,先去掉字库里拼不出的,再去掉这些本来就不是名的,能用的不到一半。
三、即使有人用,也不一定是好名字
语料里出现过,只说明有人叫过这个名字。它到底是不是个名字,还得一条条看。
有的问题在指代。丁公,是对姓丁的人的尊称;一某,「某」是占位代称,不能用来称名。
有的问题在联想。世朕,「朕」是帝王自称,今天用会让人觉得僭越。
这一类,第一关判掉了 1,182 个。
过了这一关的,还要逐个评分。8 分以上,才进推荐线。
像个名字,只是起点。真要推荐给一个孩子,还得往下多想几步。
先想想它叫出来是什么感觉。有些名字写在纸上挺好,念出来却拗口,两个字挤在一起,叫着费劲。名字不是只用来看的,家里人每天要叫,孩子以后要用它介绍自己。读起来顺不顺,是很实在的一关。
再看看两个字放在一起,到底在说什么。单看每个字,意思都不错,拼在一起却未必成立。有的像把两个好词各截了一半,有的只顾追求文雅,组合起来让人摸不着头脑。父母当然可以寄托自己的解释,但一个名字如果离开长篇说明,就很难让人感受到它的好,也值得再斟酌。
还要想想,孩子带着它走进日常生活,会不会总要替它解释。一个突兀的用字、一处不太舒服的联想,放在历史人物身上,也许只是我们读书时一眼带过的细节;放到自己孩子身上,就成了每次点名、每次自我介绍都可能遇到的问题。
所以,推荐一个名字,比证明它有人用过,要多负一层责任。不能因为它出现在古籍里,就替它加分;也不能因为两个字寓意都好,就默认组合起来也好。我们要找的,是读着顺、意思妥帖,放到今天的生活里也自然的名字。它未必惊艳,但应该经得起反复叫、长久用。
8.72 万个逐个评过,够得上的 5.19 万个。四成被刷下来——不是因为它不像名字,是因为它不够好。
四、我们努力,只为让你省心
从 140 万,到 5 万,经过圆桌起名的重重筛选,这就是最终入库的名字数。
现在,使用圆桌起名软件,就能看到部分入库的名字,希望你会喜欢。
按照多源头、高标准的思路,我们还在持续丰富我们的名字库内容。
如果你正在为宝宝起名头疼,不妨尝试一下。直接网页或在 appstore 搜索「圆桌起名」即可免费体验。