7

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。为了更好地了解索引在基于名称的搜索方面的工作情况,我希望尽可能接近真实世界的名称及其真实的频率分布,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,我正在寻找一个免费提供的数据文件,其名称后跟每个名称的单个频率值(或等效的概率)。

基于盎格鲁-撒克逊的名字会很好,尽管来自其他文化的名字也很有用。

4

3 回答 3

5

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,它只列出至少出现 100 次的名称......

通过此博客条目找到,该条目还显示了幂律分布曲线

除此之外,您可以使用轮盘选择从列表中取样,例如(未测试)

struct NameEntry
{
    public string _name;
    public int _frequency;
}

int _frequencyTotal; // Precalculate this.


public string SampleName(NameEntry[] nameEntryArr, Random rng)
{
    // Throw the roulette ball.
    int throwValue = rng.NextDouble() * frequencyTotal;
    int accumulator = 0.0;

    for(int i=0; i<nameEntryArr.Length; i++)
    {
        accumulator += nameEntryArr[i]._frequency;
        if(throwValue <= accumulator) {
            return nameEntryArr[i]._name;
        }
    }

    // If we get here then we have an array of zero fequencies.
    throw new ApplicationException("Invalid operation. No non-zero frequencies to select.");
}
于 2011-06-13T21:36:22.317 回答
4

牛津大学在其公共 FTP 站点上以压缩 .gz 文件的形式在ftp://ftp.ox.ac.uk/pub/wordlists/names/上提供单词列表 。

于 2011-06-13T15:28:38.573 回答
3

您还可以查看 jFairy 项目。它是用 Java 编写的,并产生假数据(例如名称)。http://codearte.github.io/jfairy/

Fairy fairy = Fairy.create(); 
Person person = fairy.person();
System.out.println(person.firstName());           // Chloe
System.out.println(person.lastName());            // Barker
System.out.println(person.fullName());            // Chloe Barker
于 2013-11-22T11:48:52.440 回答