R 中用于文本分析的常见名字列表？

Question

在分析文本时，识别文本数据中的人名可能很有用。

\n\n

预先打包的对象tidytext包括：

\n\n

\n
• 英语否定词、情态动词和副词 ( nma_words)
\n
• 词类 ( parts_of_speech)
\n
• 情绪 ( sentiments) 和
\n
• 停用词（参见?stop_words：）
\n

\n\n

R 中是否有类似的对象（或其他地方的可访问格式）包含规范的名称列表？

\n\n

作为参考，以下是data.frame随附的现有产品tidytext

\n\n

nma_words\n# # A tibble: 44 x 2\n# word      modifier\n# <chr>     <chr>   \n#   1 cannot    negator \n# 2 could not negator \n# 3 did not   negator \n# 4 does not  negator \n# 5 had no    negator \n# 6 have no   negator \n# 7 may not   negator \n# 8 never     negator \n# 9 no        negator \n# 10 not       negator \n# # \xe2\x80\xa6 with 34 more rows\n\n\nparts_of_speech\n# # A tibble: 208,259 x 2\n#    word    pos      \n#    <chr>   <chr>    \n#  1 3-d     Adjective\n#  2 3-d     Noun     \n#  3 4-f     Noun     \n#  4 4-h\'er  Noun     \n#  5 4-h     Adjective\n#  6 a\'      Adjective\n#  7 a-1     Noun     \n#  8 a-axis  Noun     \n#  9 a-bomb  Noun     \n# 10 a-frame Noun     \n# # \xe2\x80\xa6 with 208,249 more rows\n\n\nsentiments\n# # A tibble: 6,786 x 2\n#    word        sentiment\n#    <chr>       <chr>    \n#  1 2-faces     negative \n#  2 abnormal    negative \n#  3 abolish     negative \n#  4 abominable  negative \n#  5 abominably  negative \n#  6 abominate   negative \n#  7 abomination negative \n#  8 abort       negative \n#  9 aborted     negative \n# 10 aborts      negative \n# # \xe2\x80\xa6 with 6,776 more rows\n\n\nstop_words\n# # A tibble: 1,149 x 2\n#    word        lexicon\n#    <chr>       <chr>  \n#  1 a           SMART  \n#  2 a\'s         SMART  \n#  3 able        SMART  \n#  4 about       SMART  \n#  5 above       SMART  \n#  6 according   SMART  \n#  7 accordingly SMART  \n#  8 across      SMART  \n#  9 actually    SMART  \n# 10 after       SMART  \n# # \xe2\x80\xa6 with 1,139 more rows\n\n

\n

Answer 1

像这样的数据集非常复杂，必须小心使用。此类数据的来源之一是性别数据包，其中包括多个姓名数据集，其中包括来自美国社会保障管理局的几个数据集。

library(genderdata)

head(ssa_national)
#>    name year female male
#> 1 aaban 2007      0    5
#> 2 aaban 2009      0    6
#> 3 aaban 2010      0    9
#> 4 aaban 2011      0   11
#> 5 aaban 2012      0   11
#> 6 aabha 2011      7    0

^{由reprex 包(v0.3.0)于 2020-04-27 创建}