这是一个创建于 3977 天前的主题，其中的信息可能已经有所发展或是发生改变。
日本人名已经翻译为中文，如:筱原尚人,木村哲郎.试了下结巴分词，不是太好，有遇到类似需求的没，有什么好的思路可以尝试
 |
1
binux 2014-01-05 00:39:58 +08:00  1
1、字数
2、姓 出现概率 3、名 出现概率 4、从日本人名如何翻译的入手 |
 |
2
sinxccc 2014-01-05 00:49:05 +08:00
先弄个常见中国姓氏表和常见日本姓氏（苗字）表吧，应该足够应付大多数情况了。
|
 |
3
FrankFang128 2014-01-05 00:58:02 +08:00 via Android
百家姓加字数，就够了吧
|
 |
4
efi 2014-01-05 05:06:20 +08:00
是不是可以不经过样本训练，直接从统计数据构造一个bayes分类器
|
 |
5
lsj5031 2014-01-05 05:25:45 +08:00
也很难的吧……
比如 林 秀贞， 宗 义智之类的…… 精确度要求不算太高的话楼上的办法挺好 |
 |
6
Semidio 2014-01-05 07:19:14 +08:00
说实话这个只能手动区分，事实上即使手动很多不查具体资料也区分不出来。
比如： 林未纪，江守彻这些名字即使在中文中也没有任何维和。 |
 |
7
msg7086 2014-01-05 09:17:09 +08:00
其实还有很多是韩文汉字……
|
 |
8
frittle 2014-01-05 11:06:43 +08:00
如果日本姓名是用日文输入法输入的，而中国姓名是用简体字输入的话，很多姓名可以用汉字区分。含有有繁体字或日本汉字（异体字）的姓名、或含有名字重字时使用的「々」字，就肯定是日本名字了。
中国现在已经出现越来越多奇葩的自创复姓（例如爹的单姓+娘的单姓，这种我还可以理解，还有一些乱七八糟的），会增加机器区分的难度。 |
 |
9
ling0322 2014-01-05 16:40:05 +08:00
使用一个最大熵模型就可以了哦，特征选取
B 名字的第一个字 B1 名字的第二个字 E1 名字的倒数第二个字 E 名字的倒数第一个字 M 名字的其他的字 L 名字的长度 |
Select Language