任何好的姓氏数据库？

Question

我正在寻找生成一些数据库测试数据，特别是包含人名的表列。为了更好地指示基于名称的搜索索引工作的良好程度，我想尽可能接近真实世界的名称及其真实频率分布，例如许多不同的名称，其频率分布在某些幂律分布上。

理想情况下，我正在寻找一个名称免费的数据文件，每个名称后跟一个频率值（或等效概率）。

基于盎格鲁撒克逊人的名字也可以，尽管其他文化的名字也很有用。

Answer 1

我找到了一些符合要求的美国人口普查数据。唯一需要注意的是，它只列出了至少出现过100次的名称...

• 家谱数据：2000年人口普查中经常出现的姓氏
• names.zip

  通过此博客条目发现，该条目还显示了幂律分布曲线

  • 姓氏中的幂定律曲线（博客条目）

    此外，您可以使用轮盘选择从列表中进行采样，例如（未经测试） 通用标签

Answer 2

牛津大学在其公共FTP站点上以压缩的.gz文件的形式提供字词列表，位于 ftp：//ftp.ox.ac.uk/pub/wordlists/names/ 。

Answer 3

您还可以签出jFairy项目。它是用Java编写的，会产生伪造的数据（例如名称）。 http://codearte.github.io/jfairy/ 通用标签