segment/lib/module/CHS_NAMES.js

Chinese word segmentation 中文分词模块

'use strict';

/**
 * 中文姓
 */
 
// 单姓
var FAMILY_NAME_1 = [
  //有明显歧义的姓氏
  '王','张','黄','周','徐','胡','高','林','马','于','程','傅','曾','叶','余',
  '夏','钟','田','任','方','石','熊','白','毛','江','史','候','龙','万','段',
  '雷','钱','汤','易','常','武','赖','文', '查',
  //没有明显歧义的姓氏
  '赵', '肖', '孙', '李', '吴', '郑', '冯', '陈', '褚', '卫', '蒋', '沈', 
  '韩', '杨', '朱', '秦', '尤', '许', '何', '吕', '施', '桓', '孔', '曹',
  '严', '华', '金', '魏', '陶', '姜', '戚', '谢', '邹', '喻', '柏', '窦',
  '苏', '潘', '葛', '奚', '范', '彭', '鲁', '韦', '昌', '俞', '袁', '酆', 
  '鲍', '唐', '费', '廉', '岑', '薛', '贺', '倪', '滕', '殷', '罗', '毕',
  '郝', '邬', '卞', '康', '卜', '顾', '孟', '穆', '萧', '尹', '姚', '邵',
  '湛', '汪', '祁', '禹', '狄', '贝', '臧', '伏', '戴', '宋', '茅', '庞',
  '纪', '舒', '屈', '祝', '董', '梁', '杜', '阮', '闵', '贾', '娄', '颜',
  '郭', '邱', '骆', '蔡', '樊', '凌', '霍', '虞', '柯', '昝', '卢', '柯',
  '缪', '宗', '丁', '贲', '邓', '郁', '杭', '洪', '崔', '龚', '嵇', '邢',
  '滑', '裴', '陆', '荣', '荀', '惠', '甄', '芮', '羿', '储', '靳', '汲', 
  '邴', '糜', '隗', '侯', '宓', '蓬', '郗', '仲', '栾', '钭', '历', '戎',
  '刘', '詹', '幸', '韶', '郜', '黎', '蓟', '溥', '蒲', '邰', '鄂', '咸',
  '卓', '蔺', '屠', '乔', '郁', '胥', '苍', '莘', '翟', '谭', '贡', '劳',
  '冉', '郦', '雍', '璩', '桑', '桂', '濮', '扈', '冀', '浦', '庄', '晏',
  '瞿', '阎', '慕', '茹', '习', '宦', '艾', '容', '慎', '戈', '廖', '庾',
  '衡', '耿', '弘', '匡', '阙', '殳', '沃', '蔚', '夔', '隆', '巩', '聂',
  '晁', '敖', '融', '訾', '辛', '阚', '毋', '乜', '鞠', '丰', '蒯', '荆',
  '竺', '盍', '单', '欧'];
// 复姓
var FAMILY_NAME_2 = [
  '司马', '上官', '欧阳','夏侯', '诸葛', '闻人','东方', '赫连', '皇甫',
  '尉迟', '公羊', '澹台','公冶', '宗政', '濮阳','淳于', '单于', '太叔',
  '申屠', '公孙', '仲孙','轩辕', '令狐', '徐离','宇文', '长孙', '慕容',
  '司徒', '司空', '万俟'];
  
// 双字姓名第一个字
var DOUBLE_NAME_1 = [
  '阿','建','小','晓','文','志','国','玉','丽','永','海','春','金','明',
  '新','德','秀','红','亚','伟','雪','俊','桂','爱','美','世','正','庆',
  '学','家','立','淑','振','云','华','光','惠','兴','天','长','艳','慧',
  '利','宏','佳','瑞','凤','荣','秋','继','嘉','卫','燕','思','维','少',
  '福','忠','宝','子','成','月','洪','东','一','泽','林','大','素','旭',
  '宇','智','锦','冬','玲','雅','伯','翠','传','启','剑','安','树','良',
  '中','梦','广','昌','元','万','清','静','友','宗','兆','丹','克','彩',
  '绍','喜','远','朝','敏','培','胜','祖','先','菊','士','向','有','连',
  '军','健','巧','耀','莉','英','方','和','仁','孝','梅','汉','兰','松',
  '水','江','益','开','景','运','贵','祥','青','芳','碧','婷','龙','鹏',
  '自','顺','双','书','生','义','跃','银','佩','雨','保','贤','仲','鸿',
  '浩','加','定','炳','飞','锡','柏','发','超','道','怀','进','其','富',
  '平','全','阳','吉','茂','彦','诗','洁','润','承','治','焕','如','君',
  '增','善','希','根','应','勇','宜','守','会','凯','育','湘','凌','本',
  '敬','博','延','乐','三','二', '四', '五', '六', '七','八', '九', '十'];
  
// 双字姓名第二个字 
var DOUBLE_NAME_2 = [
  '华','平','明','英','军','林','萍','芳','玲','红','生','霞','梅','文',
  '荣','珍','兰','娟','峰','琴','云','辉','东','龙','敏','伟','强','丽',
  '春','杰','燕','民','君','波','国','芬','清','祥','斌','婷','飞','良',
  '忠','新','凤','锋','成','勇','刚','玉','元','宇','海','兵','安','庆',
  '涛','鹏','亮','青','阳','艳','松','江','莲','娜','兴','光','德','武',
  '香','俊','秀','慧','雄','才','宏','群','琼','胜','超','彬','莉','中',
  '山','富','花','宁','利','贵','福','发','义','蓉','喜','娥','昌','仁',
  '志','全','宝','权','美','琳','建','金','贤','星','丹','根','和','珠',
  '康','菊','琪','坤','泉','秋','静','佳','顺','源','珊','达','欣','如',
  '莹','章','浩','勤','芹','容','友','芝','豪','洁','鑫','惠','洪','旺',
  '虎','远','妮','森','妹','南','雯','奇','健','卿','虹','娇','媛','怡',
  '铭','川','进','博','智','来','琦','学','聪','洋','乐','年','翔','然',
  '栋','凯','颖','鸣','丰','瑞','奎','立','堂','威','雪','鸿','晶','桂',
  '凡','娣','先','洲','毅','雅','月','旭','田','晖','方','恒','亚','泽',
  '风','银','高','贞','九','薇'];
  
// 单字姓名
var SINGLE_NAME = [
  '家','民','敏','伟','勇','军','斌','静','丽','涛','芳','杰','萍','强',
  '俊','明','燕','磊','玲','华','平','鹏','健','波','红','丹','辉','超',
  '艳','莉','刚','娟','峰','婷','亮','洁','颖','琳','英','慧','飞','霞',
  '浩','凯','宇','毅','林','佳','云','莹','娜','晶','洋','文','鑫','欣',
  '琴','宁','琼','兵','青','琦','翔','彬','锋','阳','璐','旭','蕾','剑',
  '虹','蓉','建','倩','梅','宏','威','博','君','力','龙','晨','薇','雪',
  '琪','欢','荣','江','炜','成','庆','冰','东','帆','雷','楠','锐','进',
  '海','凡','巍','维','迪','媛','玮','杨','群','瑛','悦','春','瑶','婧',
  '兰','茜','松','爽','立','瑜','睿','晖','聪','帅','瑾','骏','雯','晓',
  '昊','勤','新','瑞','岩','星','忠','志','怡','坤','康','航','利','畅',
  '坚','雄','智','萌','哲','岚','洪','捷','珊','恒','靖','清','扬','昕',
  '乐','武','玉','诚','菲','锦','凤','珍','晔','妍','璇','胜','菁','科',
  '芬','露','越','彤','曦','义','良','鸣','芸','方','月','铭','光','震',
  '冬','源','政','虎','莎','彪','蓓','钢','凌','奇','卫','彦','烨','可',
  '黎','川','淼','惠','祥','然','三','二', '一', '四', '五', '六', '七',
  '八', '九', '十'];
  


function p (a, f, n) {
  exports[f] = {};
  a.forEach(function (v) {
    exports[f][v] = n;
  });
}

p(FAMILY_NAME_1, 'FAMILY_NAME_1', 1);
p(FAMILY_NAME_2, 'FAMILY_NAME_2', 2);
p(DOUBLE_NAME_1, 'DOUBLE_NAME_1', 1);
p(DOUBLE_NAME_2, 'DOUBLE_NAME_2', 2);
p(SINGLE_NAME, 'SINGLE_NAME', 1);