学位论文数据库中重名和用字的统计分析-以河海大学为例.docx

??

?

??

学位论文数据库中重名和用字的统计分析

以河海大学为例

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要：本x文利用我馆自建的我校学位论文数据库，选取已建数据的作者姓名作为统计分析对象，对作者姓名的姓氏情况、重名情况和同姓名情况进行了统计分析，对取名用字进行了统计分析，最后给出了姓氏中的大姓、最爱用的名和最高频率用字的情况。

关键词：学位论文；姓名文化；姓名重名；人名用字；数据挖掘

引言

我馆从2004年下学期开始实行学位论文在线提交，建校硕博士学位论文全文数据库。在学位论文审核建库的过程中，需要和毕业研究生打交道，经常会遇到一些不常见的姓，如“仉”、“亓”、“眭”等等，或者一些冷僻字的名，如“??”、“??”、“??”等等，有时还会碰到一些很常见的姓名，如“曹操”、“曹雪芹”、“刘翔”、“刘谦”等等。还发现有的人名正好是一个常用词，如“白天”、“周密”、“田野”等等，还有一个更为常见的同名同姓的情况，如王伟、王晶晶、王晓燕均有多个等等。数据库中究竟有多少姓，它们的使用情况如何，究竟有多少名字，同名同姓的情况如何，名字的用字频率如何，都成为我感兴趣并想了解的内容。

一、数据样例选取

将我馆从2004年以来所建的数据库中的姓名从库中导出到EXCEL中，对姓名用LEN()、IF、MId()等函数和算符以及排序等功能，就很容易将上面想了解的情况进行统计。首先去掉音译名，得到汉语姓名样例数据16176个，这些数据中的姓名长度为2-4个字，姓有单姓和复姓，名有单字、叠字、双字和三字。

具体如下表：

由表1可知，大部分姓名由2至3个汉字构成。其中2个字的姓名占36.52%，3个字的姓名占63.40%。下面对这批数据做一些统计分析。

二、姓氏情况

16176个姓名中，共有478个姓，出现100次及以上的姓有29个，复姓有5个，其中欧阳出现11次，淳于、司马、太史、诸葛各出现1次。

现列出出现100次及以上的姓如下

王(1245)，张(1175)，李(955)，刘(756)，陈(745)，吴(409)，周(398)，杨(395)，徐(345)，朱(317)，赵(305)，孙(303)，黄(288)，胡(209)，马(197)，高(151)，曹(146)，郭(139)，郑(128)，何(122)，谢，许，宋(121)，丁(120)，陆(118)，顾(107)，林(106)，蔡(100)，沈。

注：括号中为出现次数，如次数同前则省略，下同。

出现1次的姓125个。

由表2可知，占6.07%的姓，出现的次数占60.24%，占60.67%的姓，出现的次数仅占5.03%，即大部分姓集中在少数一些姓上。在中国必威体育精装版姓氏排名上[1]，前29个排名为：王，李，张，刘，陈，杨，黄，孙，周，吴，徐，赵，朱，马，胡，郭，林，何，高，梁，郑，罗，宋，谢，唐，韩，曹，许，邓。

对比这里的样例数据可以看出，大体相符，稍有差别。

三、单字名

(一）单名总情况

单字名有5913个（其中6个复姓），共有801个。其中出现30次及以上的有如下：

伟(133)，磊(113)，静(109)，勇(89)，涛(83)，敏(82)，杰(76)，飞(74)，军，俊(73)，娟(67)，鹏，峰(66)，斌(64)，波，超，强(62)，华(58)，亮(57)，颖(56)，健(54)，艳(51)，洁(49)，丽，辉(47)，明，燕，丹(46)，莉，玲，芳(44)，洋(43)，娜(42)，浩(41)，慧，刚(39)，凯，萍(38)，宇，林(35)，宁(33)，平，琳(31)，鑫，佳(30)，婷出现1次单名达310个。

由表3可知，占单名38.70%，出现的次数仅为总次数的5.24%。100%-38.70%=61.30%单名至少被重名一次，同名100次以上的仅有3个，占总数的0.37%，同名次数达到6.00%。

(二）单名重姓名情况

单字名5913中，重姓名的有828个，2355次，出现8次及以上的有15个，如下具体如下：

王伟(16)，张伟，张磊(12)，李伟，刘洋，王飞(11)，李娜，王勇(10)，张明(9)，张鑫，陈刚(8)，杨杰，张莉，王玲，张鹏

由表4可知，重名2次的有535种，占总数的64.61%，出现1070次，占总次数的45.44%。

2355/5913*100%=39.83%，即在单名中，有39.49%的姓名至少被重复1次，最多的是王伟有16次。

四、叠字名

(一）叠字名总情况

叠字名有173个，538次。叠字名出现10次以上的有13个，205次，如下

婷婷(30)，晶晶(29)，姗姗(24)，丽丽(17)，莉莉(15)，丹丹(14)，媛媛(13)，伟伟(12)，玲玲(11)，佳佳(10)，娟