Japanese Persional Name Dataset

日本人の姓名データセット

データ仕様

データセットは以下にて構成されています。

1. 男性の名 ・・・ first_name_man_org.csv
2. 男性の名（最適化） ・・・ first_name_man_opti.csv
3. 女性の名 ・・・ first_name_woman_org.csv
4. 女性の名（最適化） ・・・ first_name_woman_opti.csv
5. 姓 ・・・ last_name_org.csv

• 最適化とは、独断で有名な名前のみを抜粋したものです。
  
• 各ファイルはCSV形式、文字コードUTF-8、改行コードLFとなります。

CSVフォーマット

名

一行につき、一つの名です。
各列は、
1列目：ひらがな
2列目：ローマ字
3列目～：漢字
となります。
漢字列については、各名前で可変です。

姓

一行につき、一つの姓です。
各列は、

1列目：漢字
2列目：推定人数
3列目：ひらがな
4列目：ローマ字
となります。

ローマ字はヘボン式です（確認はしていますが、ミスがある可能性もあります）。

データ数

姓名の種類は下記の通りです。

1. 男性の名 ・・・ 5,678種類
2. 男性の名（最適化） ・・・ 703種類
3. 女性の名 ・・・ 3,346種類
4. 女性の名（最適化） ・・・ 241種類
5. 姓 ・・・ 2,000種類

また、漢字の種類の平均、標準偏差、中央値、最頻値、最大値、最小値はそれぞれ下記の通りです。

1. 男性の名 ・・・10、26、2、1、447、1
2. 男性の名（最適化） ・・・ 45、59、27、4、447、1
3. 女性の名 ・・・ 11、26、2、1、398、1
4. 女性の名（最適化） ・・・ 51、55、32、2、291、1

参考

• 名字由来net