将英文名称分为名字和姓氏的最佳策略

Question

我有一个名单列表，我需要将它们分成名字和姓氏。由于某些名称中有2-3个空格，因此无法对空格进行简单拆分。

人们用什么样的启发式来进行拆分？

请注意，这不是有效询问如何在空间分割的问题的重复;我正在寻找启发式算法和算法，而不是实际的代码帮助。

更新：我将问题集限制为英文名称。这就是我需要解决的问题，也许所有接近这个（英语）问题的人都需要这样做。

Answer 1

我读过一篇关于这个主题的非常有趣和全面的文章：

http://www.w3.org/International/questions/qa-personal-names

它甚至建议你自问是否真的需要单独的字段来表示名字和姓氏。它似乎取决于您的应用程序的目标区域。

Answer 2

虽然没有完全解决这个问题，但有两种方法可以提供帮助。

1. 以编程方式分离简单的那些，不容易的那些被推入不同的列表，“剩下要分开”。手动排序该列表。在手动排序时，可能会出现一些可以编码的启发式方法，从而进一步减少剩余列表的大小。如果这是一次性的事情，并且列表不是超级大规模，那么这将完成工作。
2. 一个密切相关的问题是，当一个名称被拆分时，你不知道哪个是第一个，哪个是最后一个。有些系统通过进行模糊查找来解决这个问题，如果在第一次尝试时找不到匹配项，请翻转名字和姓氏，然后重试。您没有说为什么您需要拆分名称。如果要查找参考数据，请考虑某种类似的模糊查找启发式方法，它允许尝试不同的拆分，而不是试图让前面的拆分正确。

不是真正的答案，但在这种情况下确实没有完美的答案。

Answer 3

不同的国家和地区的名称格式不同。例如，亚洲的姓氏通常是第一个，然后是名字。西方，你有第一个名字和姓氏惯例，但是当人们翻倍或包含中间名时会变得复杂。然后一些地区的人只有一个名字。

就个人而言，我认为没有一种算法可以让你100％准确的结果我担心。

Answer 4

以下假设英式姓氏。如果情况并非如此，请更新您的问题。

通常可以安全地假设最后一个空格字符表示一个人姓氏的开头。但是，由于存在例外，一种策略是从其他来源编译已知多字姓氏的大型数据库。然后，您可以测试这些姓氏，并将其视为例外。