論文著者の日本人風の名前ランキング
romajiというRuby用のローマ字・カナの相互変換ライブラリを使って何かできないかと思ってやってみた。
学術文献の検索サイトには、収集した文献の著者一覧を公開しているところがある。
その一覧をもとに、日本人っぽく感じられる姓と名のランキングを作った。
使ったソースと結果
まとめ
| ソース | 分野 | 一覧取得日 | 著者名の総数 | 日本人っぽい名前の数 | 抽出比率 |
|---|---|---|---|---|---|
| DBLP | 計算機科学 | 2012/4/22 | 1106575 | 41552 | 3.8% |
| RePEc | 経済学 | 2012/4/19 | 31967 | 530 | 1.7% |
ランキング（Top50）
姓のランキング
| 順位 | DBLP | 抽出数 | 順位 | RePEc | 抽出数 | |
|---|---|---|---|---|---|---|
| 1 | スズキ | 351 | 1 | スズキ | 9 | |
| 2 | タナカ | 320 | 1 | タナカ | 9 | |
| 3 | タカハシ | 314 | 3 | タカハシ | 8 | |
| 4 | ワタナベ | 306 | 3 | ナカジマ | 8 | |
| 5 | サト | 300 | 5 | サト | 7 | |
| 6 | ナカムラ | 274 | 6 | イト | 6 | |
| 7 | コバヤシ | 268 | 6 | マツモト | 6 | |
| 8 | ヤマモト | 265 | 6 | ワタナベ | 6 | |
| 9 | ヤマダ | 241 | 9 | オノ | 5 | |
| 10 | イト | 236 | 9 | ヤマダ | 5 | |
| 11 | ヨシダ | 221 | 11 | アオキ | 4 | |
| 12 | カト | 218 | 11 | イマイ | 4 | |
| 13 | マツモト | 195 | 11 | ウエダ | 4 | |
| 14 | キムラ | 189 | 11 | カト | 4 | |
| 15 | ハヤシ | 185 | 11 | コバヤシ | 4 | |
| 16 | ヤマグチ | 169 | 11 | タケウチ | 4 | |
| 17 | イノウエ | 164 | 11 | タケダ | 4 | |
| 18 | ササキ | 158 | 11 | ナカムラ | 4 | |
| 18 | モリ | 158 | 11 | ホリ | 4 | |
| 20 | シミズ | 155 | 11 | ヤマグチ | 4 | |
| 21 | イケダ | 148 | 21 | アベ | 3 | |
| 22 | アベ | 143 | 21 | イケダ | 3 | |
| 23 | フジイ | 140 | 21 | イシダ | 3 | |
| 24 | イシカワ | 137 | 21 | イノウエ | 3 | |
| 24 | ハシモト | 137 | 21 | ウスイ | 3 | |
| 26 | フジタ | 136 | 21 | カノ | 3 | |
| 27 | ハセガワ | 135 | 21 | キムラ | 3 | |
| 27 | ヤマシタ | 135 | 21 | シライ | 3 | |
| 29 | オガワ | 134 | 21 | タカヤマ | 3 | |
| 30 | ウエダ | 133 | 21 | フジイ | 3 | |
| 31 | イシイ | 132 | 21 | フジワラ | 3 | |
| 32 | オカダ | 129 | 21 | マツダ | 3 | |
| 33 | サイトウ | 128 | 21 | ヤマモト | 3 | |
| 33 | ムラカミ | 128 | 34 | アライ | 2 | |
| 35 | サカイ | 127 | 34 | イザワ | 2 | |
| 36 | マエダ | 123 | 34 | イワタ | 2 | |
| 37 | タケウチ | 122 | 34 | ウラカミ | 2 | |
| 38 | サカモト | 121 | 34 | オオタキ | 2 | |
| 39 | ナカガワ | 120 | 34 | オオツ | 2 | |
| 39 | ナカジマ | 120 | 34 | オオノ | 2 | |
| 41 | ハラ | 115 | 34 | カスガ | 2 | |
| 41 | ミヤザキ | 115 | 34 | カタヤマ | 2 | |
| 43 | アオキ | 112 | 34 | カネコ | 2 | |
| 43 | ヤマザキ | 112 | 34 | カワイ | 2 | |
| 45 | オノ | 110 | 34 | カワカミ | 2 | |
| 45 | カネコ | 110 | 34 | カワムラ | 2 | |
| 47 | オカモト | 108 | 34 | キタムラ | 2 | |
| 48 | ワダ | 107 | 34 | クボ | 2 | |
| 49 | タケダ | 106 | 34 | クボタ | 2 | |
| 49 | ナカノ | 106 | 34 | クロズミ | 2 | |
| − | − | − | 34 | サイトウ | 2 | |
| − | − | − | 34 | サカタ | 2 | |
| − | − | − | 34 | ツチヤ | 2 | |
| − | − | − | 34 | ナイトウ | 2 | |
| − | − | − | 34 | ナカバヤシ | 2 | |
| − | − | − | 34 | ニシヤマ | 2 | |
| − | − | − | 34 | ハヤカワ | 2 | |
| − | − | − | 34 | ハヤシ | 2 | |
| − | − | − | 34 | ヒラタ | 2 | |
| − | − | − | 34 | ヒラノ | 2 | |
| − | − | − | 34 | フクダ | 2 | |
| − | − | − | 34 | フジタ | 2 | |
| − | − | − | 34 | マツシマ | 2 | |
| − | − | − | 34 | マルヤマ | 2 | |
| − | − | − | 34 | ミズノ | 2 | |
| − | − | − | 34 | ミヤザキ | 2 | |
| − | − | − | 34 | ミヤザワ | 2 | |
| − | − | − | 34 | モリ | 2 | |
| − | − | − | 34 | ヤマウチ | 2 | |
| − | − | − | 34 | ヤマガタ | 2 | |
| − | − | − | 34 | ヤマシタ | 2 | |
| − | − | − | 34 | ヤマノ | 2 | |
| − | − | − | 34 | ヨシダ | 2 |
名のランキング
| 順位 | DBLP | 抽出数 | 順位 | RePEc | 抽出数 | |
|---|---|---|---|---|---|---|
| 1 | タカシ | 593 | 1 | タカシ | 8 | |
| 2 | ヒロシ | 561 | 1 | ヒロシ | 8 | |
| 3 | タケシ | 419 | 3 | タケシ | 7 | |
| 4 | ヒロユキ | 399 | 4 | アツシ | 6 | |
| 5 | サトシ | 396 | 4 | ジュン | 6 | |
| 6 | アキラ | 366 | 4 | マコト | 6 | |
| 7 | ケンジ | 335 | 4 | マサヒロ | 6 | |
| 8 | マサヒロ | 328 | 8 | ケイスケ | 5 | |
| 9 | アツシ | 325 | 8 | ケンジ | 5 | |
| 10 | マコト | 317 | 8 | コイチ | 5 | |
| 11 | ジュン | 300 | 8 | コウジ | 5 | |
| 12 | コウジ | 289 | 8 | タカヒロ | 5 | |
| 13 | ダイスケ | 286 | 8 | ダイスケ | 5 | |
| 14 | ヒロアキ | 264 | 8 | ナオキ | 5 | |
| 15 | ユキ | 257 | 8 | マサユキ | 5 | |
| 16 | マサユキ | 253 | 8 | ヤスシ | 5 | |
| 17 | タカヒロ | 249 | 17 | アキヒコ | 4 | |
| 18 | タカユキ | 248 | 17 | アキラ | 4 | |
| 19 | ナオキ | 247 | 17 | カズオ | 4 | |
| 20 | ヒロキ | 238 | 17 | カズヒロ | 4 | |
| 21 | コイチ | 219 | 17 | サトシ | 4 | |
| 22 | カズヒロ | 215 | 17 | テツヤ | 4 | |
| 22 | テツヤ | 215 | 17 | ハジメ | 4 | |
| 24 | マサキ | 213 | 17 | ヒロユキ | 4 | |
| 25 | トオル | 212 | 17 | ユキ | 4 | |
| 26 | ヤスヒロ | 206 | 26 | アヤコ | 3 | |
| 27 | ユタカ | 196 | 26 | エイジ | 3 | |
| 28 | タクヤ | 190 | 26 | カズユキ | 3 | |
| 29 | マサシ | 189 | 26 | カツユキ | 3 | |
| 29 | ヨシヒロ | 189 | 26 | ケイコ | 3 | |
| 31 | ヒトシ | 183 | 26 | ケン | 3 | |
| 32 | アキヒロ | 181 | 26 | ケンイチ | 3 | |
| 33 | シンジ | 179 | 26 | ケンスケ | 3 | |
| 33 | タツヤ | 179 | 26 | コウゾウ | 3 | |
| 35 | ケイスケ | 176 | 26 | シンゴ | 3 | |
| 35 | ケンイチ | 176 | 26 | タイスケ | 3 | |
| 37 | カズオ | 172 | 26 | タカオ | 3 | |
| 37 | トシユキ | 172 | 26 | タツオ | 3 | |
| 37 | マサト | 172 | 26 | テツジ | 3 | |
| 40 | ユイチ | 170 | 26 | ヒデアキ | 3 | |
| 41 | オサム | 169 | 26 | ヒロアキ | 3 | |
| 42 | ケン | 165 | 26 | フミオ | 3 | |
| 43 | ユウジ | 164 | 26 | マサキ | 3 | |
| 44 | ツヨシ | 163 | 26 | マサル | 3 | |
| 44 | トモヒロ | 163 | 26 | ミノル | 3 | |
| 46 | ヒデキ | 160 | 26 | ユタカ | 3 | |
| 47 | マサノリ | 152 | 26 | ヨイチ | 3 | |
| 48 | トシオ | 151 | 26 | ヨスケ | 3 | |
| 49 | カズヤ | 149 | 26 | リュウイチ | 3 | |
| 49 | マサアキ | 149 | 26 | リョウ | 3 |
補足：
ローマ字表記は一意ではなく揺れがあるので、他に情報がなければ正確なカナ変換は不可能だ。例えば、姓のランキングにある「サト」や「イト」は、元々のローマ字表記だとSatoやItoになっている。実際にはほとんどは、またはもしかしたら全てが、サトウさんイトウさんだと思うけど、それでもサト（例：佐登）さんやイト（例：伊都）さんである可能性は排除できない。
表記の揺れのために、カナ変換した結果が分散してランキングが下がったと思われる名前もある。例えば、Sato, Satoh, Satouの場合、カナ変換の結果は「サト」と「サトウ」に分かれるが、これが全てサトウさんだと仮定すると、DBLPのランキングでは数が352となってスズキさんを抜いて一位になる。
どうやってランキングを作ったか
まず準備として、形態素解析用辞書であるNAIST-jdicのnaist-jdic.csvから、人名のエントリのカナ表記の列だけを抜き出して、姓と名の辞書を作っておく。
あとはランキングを出力する以下のようなプログラムを実行する。
- 著者一覧から著者名をひとつ取って、姓と名を分離する
姓と名の並びは前もって一覧を眺めて決めておいて、実行時にスイッチさせた
DBLPは名・姓、RePEcは姓・名の順 - 姓と名について、ありそうな表記の揺れを出す
- 処理2の結果をromajiを使ってカナ変換して、姓と名がそれぞれ辞書にあるかチェックする
- 処理3の結果、両方が辞書にあれば、それぞれランキングに追加して処理1へ、なければ処理2へ
- 全ての著者名について処理が終わったら、ランキングをソートして出力する
処理2でやっているのは、例えば o は oo とか ou に置き換えるなどというルールの組み合わせを、実行する度に順次適用すること。ルールセットは適当に考えて以下にした。
- a -> aa
- o -> oo
- o -> ou
- oh -> oo
- oh -> ou
- u -> uu
- n -> nn
- n' -> nn
- dzu -> zu
- kio -> kyou
- tch -> cch
- wi -> i
- we -> e
- ye -> e
なぜこのルールがあるのにSatoが「サトウ」でカウントされないかというと、当たり前だが処理4で最初に辞書にあった名前だけをランキングに追加するようにしているから。揺れの中で複数の候補が辞書にあった場合にはどれが正しいかなんてわからないので、今回は処理が軽くなることを優先した。
他にも高速化のために、処理2の前で姓や名に l, q, v, x が含まれているか、末尾が a, i, u, e, o, n 以外の文字であるかをチェックして、後続処理の実行を省略した。
何も調べてない感想
真面目に取り組もうとすると固有名詞の表記の揺れは厄介そう。漢字だと異体字が大変だろうな。
Unicode＋ライフゲーム
ライフゲームで更新されるビットパターンをUnicodeのコードポイントとして文字列に変換した。
wonderflで実行できる。環境によってはフォントの問題で表示できない文字があるかも。
32ビットごとに切り出すようにして、文字セットの範囲を狭めなければ基本多言語面の文字がすべて収まるためカオス極まる気がするけど、表示できない文字も多そうなので試していない。
このエントリを書いた人はこんなエントリも書いています： QRコード＋ライフゲーム - ならば
顔文字の編集距離グラフ
顔文字の編集距離でグラフを作ってみた。
編集操作は挿入・削除・置換で、各コストは1とした。Microsoft IME 2007で入力できる顔文字をもとに、編集距離が1になる顔文字同士をつないでいる。孤立する顔文字はグラフから削除した。
最大次数17を持つ顔文字は (^_^) である。スタンダード。
顔文字の自動分類に応用できそうな気がする。
個人版2011年のハイプ・サイクル
いつもに輪をかけて仕様もないネタが浮かんだので急いで吐き出す。
ハイプ・サイクル（[英]hype cycle）とは、コンサルティングファームのガートナーが考案した技術コンサルのツールのひとつ。新しく登場した技術が、
- 発表されて一部のメディアやアルファなんとかな人たちに認知されていって、
- 話題が広まり、多くの人から注目を集め、過度な期待が持たれるようになり、
- 実態や行き過ぎた適用による失敗が明らかになるにつれ、反動的な批判が巻き起こった後、
- 時間が経過するにつれて真の有効性や適用範囲が知られるようになって、
- 最終的に市場のなかで一定の立場を獲得する
過程を表す図。
グラフのように見えるが客観的な指標でプロットできるわけではなく、作者の見解を図示するものである。
CC BY-SA 3.0
話題の新技術がいつハイプ（過度な期待、誇大広告）を超えて浸透していくかを表し、流行やバズワードに流されない適切な投資・導入のタイミングを顧客に知らせるために使われるようだ。
ハイプ・サイクルといいながらカーブであってサイクルではないだろうというツッコミに始まり、いろいろな批判があるらしいが、ガートナーのレポートではよく使われる。
まあそういう堅い話は置いておいて、これを個人的な熱意に強引に適用するとどうなったかという例を下に出す。強調しておきたいのは、縦軸はあくまで学習に対する熱意であって習熟度ではない。スキルとは全く関係ない。
これを作ると、
- 今は何に対しても熱意がないんですね
- 日頃プログラミングしてないんですね
- 飽きっぽい性格なんですね
などという診断が下るのである。だからどうしたと言われるとどうもならない。
というか飽きっぽい性格でなければそもそもこういうカーブにならない気がする。
市場は熱しやすく冷めやすい。
まばたきで画面キャプチャを撮る
Webカメラに顔を映して、まばたきしたときに自動でアクティブウィンドウの画面キャプチャを撮って保存する。
左下のウィンドウに映っている目の周りの四角が青くなったときが目を瞑ったとき。
Camera Mouse Suiteというソフトと、自作のキャプチャプログラムを組み合わせている。
Camera Mouse Suite
Camera Mouseは、Webカメラに映した頭の動きでマウスを操作するソフト。頭を上下左右に振ることでマウスポインタを動かして、一定時間同じ場所にマウスポインタを置けばクリックできる。このソフトの機能追加バージョンがCamera Mouse Suiteで、マウスポインタの停留時間の代わりに、まばたきでクリックする機能がある。
Blink Timeに、目を瞑っている最少時間を設定する。この時間が、生理的な（一瞬の）まばたきと、クリックのための意図的な（ある程度長い）まばたきを区別するための閾値となる。目のチャタリングに対するソフトウェア的な対策といえる。
使い方は簡単。PCにWebカメラをつないで起動すると、自動的に顔が検出される。上の画面でいくつかの項目を設定した後、ソフトの指示に従って頭を動かしたり目を瞑ったりすれば、すぐにマウスを操作できるようになる。
自作のキャプチャプログラム
Camera Mouse Suiteはフリーソフトだけどオープンソースではないので、まばたきしたときにクリック以外の何かをさせるように改造できない。そこで、マウスイベントをグローバルフックして、クリックされた場合にアクティブウィンドウをキャプチャ・保存するプログラムを作った。作った部分はこれだけ。
感想
Camera Mouseの使用感について。
使いやすくて高精度だった。比較としては、手を使わずにマウスポインタを動かすという目的に絞れば、ITU Gaze Trackerに比べてセットアップは遥かに楽だしマウスポインタも操作しやすい。
まばたきの検出は他のソフトを使ったことがないので比較できないけれど、充分実用的な精度だと思う。ただ、今回のどうでもいいケースでは連写と呼べるほど高速なまばたきは検出できなかった。まばたきでモールス信号を高速に発信するソフトも作りたいと思っていたのに。
