基于計量的百年中國人名用字性別特征研究

杜冰潔，劉鵬遠，田永勝

(北京語言大學(xué) 信息科學(xué)學(xué)院 國家語言資源監(jiān)測與研究平面媒體中心，北京 100083)

0 引言

人名是不同個體為區(qū)分彼此而創(chuàng)造出的指稱符號。人名既特殊又普遍，其特殊性表現(xiàn)在，人名屬于詞匯系統(tǒng)中專有名詞的一種，具有指稱的唯一性和確定性；其普遍性表現(xiàn)在人名在社會生活中出現(xiàn)的頻率極高，在社會系統(tǒng)的正常運作中扮演著十分重要的角色，我們需要“說”名字，也需要“寫”名字。與字母文字不同的是，漢字具有表意的功能。因此中國人名不僅具有讀音上的特殊性，在字形、字義上也具有特殊性，對于人名用字的研究也就顯得十分重要。

本文建立了一個大規(guī)模中國名人人名數(shù)據(jù)庫，從漢字本體的角度做了跨度長達百年的人名用字分析，同時從性別的角度展開，探究人名中漢字的性別差異。本文發(fā)現(xiàn)兩性人名在長度、難易度、豐富度、變化趨勢等方面都存在顯著差異。

本文貢獻在于: ①建立了目前已知最大規(guī)模的真人人名數(shù)據(jù)庫； ②分別從漢字本體及計量語言學(xué)兩種研究視角進行了人名用字研究，這些研究方法應(yīng)用到人名中被證明具有一定價值； ③得到了百年兩性人名用字特征的差異與演變規(guī)律。

1 相關(guān)工作

對人名的語言學(xué)研究側(cè)重于語音、語義等，部分文獻對于人名中的漢字有所體提及。蘇培成[1]、吳繼章[2],邱莉芹和鞠泓[3]，張書巖[4-5]探討了人名中出現(xiàn)的生僻字、多音字、異體字等問題，提倡入名漢字應(yīng)該規(guī)范化。何曉明[6]、趙越[7]提出中國人取名對合體字、獨體字等不同字形的講究，遺憾的是作者并沒有針對這一問題進行深入闡述。謝玉娥[8]、Jia J和Zhao Q[9]認(rèn)為人名中的部分漢字具有性別偏向，但其討論的主要是漢字意義上的偏向問題，且沒有做詳細的定量統(tǒng)計和分析，也未從漢字本體的角度進行考察。關(guān)于漢字與性別之間的關(guān)系，韓燕、邱江、張慶林[10]采用事件相關(guān)電位 (ERP) 技術(shù)證明漢語人名具有性別刻板印象。王玉新[11]、潘世松[12]從漢字的偏旁結(jié)構(gòu)和發(fā)展規(guī)律論述了漢字結(jié)構(gòu)本身的性別歧視現(xiàn)象。

以上關(guān)于人名的研究多是基于幾百上千條人名，樣本數(shù)量較小。從研究方法來看，多是共時研究，或者兩個時間段的對比研究。關(guān)于人名的歷時研究時間跨度較小，難以宏觀反映人名在一段時間范圍內(nèi)的變化。人名中的漢字研究較為單一，多是從漢字意象的角度進行解釋，漢字本身特征的研究幾乎沒有。而有關(guān)認(rèn)知科學(xué)的實驗又證明人名具有一定刻板印象，因此關(guān)于人名漢字的性別傾向研究可進一步探討漢字性別偏見的現(xiàn)象。同時，目前缺乏一個公開的、可支持人名共時歷時研究的中國人名數(shù)據(jù)庫。

2 數(shù)據(jù)

2.1 人名數(shù)據(jù)庫構(gòu)建

本文基于知識圖譜信息建立中國名人人名數(shù)據(jù)庫。選擇名人來建設(shè)人名數(shù)據(jù)庫的原因有二: 第一，可最大程度上保證人名及相關(guān)信息的真實性；第二，本文假設(shè)是否能成為名人與其姓名不相關(guān)，因此該語料庫也可以支持對中國人名的其他研究。人名數(shù)據(jù)庫構(gòu)建過程主要如下:

(1) 抽取從百科人物知識圖譜(1)http://openbase.openkg.cn/抽取了名人相關(guān)信息，這樣可較好地保證人名信息的真實、準(zhǔn)確性。抽取的條目具體為: 姓，名，性別，出生日期，出生地。

(2) 篩選原百科人物知識圖譜中的名人信息分布混雜，并且有大量國外名人信息。為了最大化地獲得人名數(shù)據(jù)并且保證數(shù)據(jù)包含所需的幾個維度，在抽取過程中我們主要通過姓名長度、出生地等篩選中國名人姓名。中國人姓名的主流格式(2)本文僅考慮常規(guī)兩個字和三個字的姓名。對于傳統(tǒng)的復(fù)姓，因樣本相對較少，故不在研究范圍內(nèi)。近些年出現(xiàn)例如“王張”的雙姓，本文當(dāng)作單姓處理。有: 姓+單名、姓+雙名，因此我們將姓名長度限定為兩個字和三個字。在出生地方面，我們將關(guān)鍵詞限定為中國所有省市，并添加了“中國”“村”等不同粒度的關(guān)鍵詞?？紤]到有些名人信息不包含出生地信息，我們又添加了“民族”這一判斷規(guī)則。

(3) 信息補充為豐富對中國人名的研究，我們?yōu)槊總€名人條目補充了拼音、筆畫、偏旁等信息。該信息來源于開源中華新華字典數(shù)據(jù)庫(3)https://github.com/HelloDreamen/chinese-xinhua共收錄了16 142個漢字的相關(guān)信息。對于部分不在字典數(shù)據(jù)庫的漢字，我們利用人工的方法補充字典信息再進行匹配。

最終建成的中國名人人名數(shù)據(jù)庫(4)https://github.com/HelloDreamen/Chinese-Celebrities-Names共有111 564個條目，每個條目包含姓、名、性別、出生地以及人名用字的拼音、筆畫、偏旁等信息，其中，有男性人名條目83 706條，女性人名條目27 858條。在這些條目中有54 264條包含出生日期，時間跨度從古代至今，主要以近現(xiàn)代人名為主。該語料庫可為中國人名多維度研究提供數(shù)據(jù)支持。

2.2 研究對象

從上述人名數(shù)據(jù)庫中抽取1919年至今等性別比例的人名作為研究對象。所選時間段中的人名中共出現(xiàn)了2 342個字種，男性人名中的字種有1 800個，女性人名中的字種有1 807個。之所以選擇這一時間段是因為本文希望對近現(xiàn)代近百年的人名從漢字的角度做定量分析，而1919年作為近代史開端，自然成為本次研究的時間起點。本文對數(shù)據(jù)做兩種劃分，詳見表1。

表1 研究對象的歷時劃分

1) 按照自然年份劃分。本文希望能以時間均勻的角度觀察人名變化的規(guī)律。每二十年一個階段劃分，共五個階段。

2) 按照重要歷史事件為時間點進行劃分。本文假設(shè)重大政治經(jīng)濟事件對人們起名的影響較大。這個方式主要用于對自然年份劃分的對比和說明。

基于中國百年人名數(shù)據(jù)庫及表1的劃分，文本希望能揭開百年來中國人名變化趨勢的一角，并試圖回答以下問題:

1) 人名在長度上是否有性別差異？百年來人名長度變化情況及其原因。

2) 在用字難易度上是否有性別差異？百年來人名用字難度變化情況及其原因。

3) 在用字豐富度上是否有性別差異？百年來人名用字豐富度的變化情況及其原因。

4) 具體用字是否在時間維度上有顯著差異？百年來人名具體用字變化情況及其原因。

3 人名用字性別差異及歷時分析

3.1 名字長度

文字同語言一樣是一種信息交流的工具，人名中的漢字是記錄人名內(nèi)涵的書寫符號。很多漢字都能獨立表達一定含義，人名的內(nèi)涵可以通過每個漢字的排序、人名漢字的多少(即名字長度)等傳達。本文將只有一個字的名字稱為單名(如: 杜甫)，兩個字的名字稱為雙名(如，周樹人)。

我們計算了兩性人名的平均長度，其中女性人名長度均值2.88，男性人名長度均值2.91。隨后做了皮爾遜卡方檢驗(5)本文所有統(tǒng)計檢驗均采用SPSS Statistics 25.0.0軟件計算得出。，結(jié)果表明: 男女人名中的單名和雙名分布存在統(tǒng)計學(xué)意義上的差異。具體統(tǒng)計結(jié)果見表2。

表2 性別與人名長度卡方檢驗

為了解各個階段單雙名的具體分布情況，圖1以自然年份劃分觀察近百年來中國人名長度的變化。

圖1 自然年份中兩性人名單雙名的變化趨勢

由圖1可知: ①女性人名中的單名比例一直高于男性，但是兩性人名中的單雙名差異隨著時間的發(fā)展不斷縮小； ②總體而言，人名中單雙名的比例呈現(xiàn)一定波動，但是雙名占據(jù)絕對優(yōu)勢； ③1979-1998年間單名比例是一個峰值，但是進入21世紀(jì)，單名比例又有所降低。

雙名是魏晉門閥制度盛行，強調(diào)宗族家譜以后才逐漸占據(jù)主流的。由于族譜的存在，在取名時中間一個字需要固定，因此中國人名大多數(shù)是雙名，而家譜和宗法制度有著密切的聯(lián)系，宗法制度強調(diào)與家族中男性長輩的血緣親疏，這就對家族中男性晚輩身份造成約束。所以男性的雙名比例始終高于女性，反之女性單名比例高于男性。即使除去按字輩取名的習(xí)俗，雙名中由兩個漢字承載的信息量也大于單名，增加名字內(nèi)涵的同時避免了重名的概率，所以總體上雙名一直占據(jù)主流地位。但是隨著近現(xiàn)代中國各種思想解放運動展開，一定程度上打破了傳統(tǒng)的宗法制度，按照字輩取名的習(xí)俗也逐漸減少。原本按照字輩取名的雙名，實際上只添加了名字末尾的一個新信息，如今中間的字沒有了，依然只需要添加一個新信息，所以單名的比例就呈現(xiàn)增高的趨勢。在改革開放初期，隨著思想觀念的進一步解放，以及追求個性的心理特征，單名比例不斷增長，在1979-1998年到達高峰。但是進入21世紀(jì)，隨著人口的增多，姓名規(guī)范意識的增強，單名比例又開始下降，雙名逐漸增多。

3.2 用字難易度

本文的難易度僅指書寫難易程度或認(rèn)讀的難易程度。采用漢字常用等級這一指標(biāo)衡量人名漢字的難易度，并以國家語言文字工作委員會1988年1月發(fā)布的《現(xiàn)代漢語3 500常用字表》作為標(biāo)準(zhǔn)。該字表中的字主要滿足基礎(chǔ)教育和文化普及的基本用字需要，因此人名中的漢字若是來自于該字表，則用字在認(rèn)讀或書寫上相對簡單。該表中的漢字有一級常用字和二級常用字之分，不在字表中的字統(tǒng)稱為非常用字，即用字相對復(fù)雜。

按照性別分組，采用卡方檢驗驗證用字難度是否存在統(tǒng)計學(xué)意義上的差異，結(jié)果表明，男女人名用字的難度具有統(tǒng)計學(xué)意義上的差異。具體統(tǒng)計結(jié)果如表3所示。

表3 性別與用字難度卡方檢驗

由于單名在編碼長度上比雙名短一位，大大增加了重名的可能。取名人為了降低重名的概率，會在選字入名時有意選擇一些復(fù)雜的、不常用的字。女性的單名比例高于男性，為排除名字長度的影響，本文將單名和雙名分離，分別研究兩性人名用字的難易程度。圖2是按自然年份劃分的單名用字難易程度的分布。

圖2 自然年份中用字難易程度的性別差異(單名)

由圖2可知: ①單名用字以一級常用字為主，其次是非常用字，最后才是二級常用字。二級常用字比較穩(wěn)定，非常用字最不穩(wěn)定； ②女性單名用字較之男性更復(fù)雜，但是兩性人名的非常用字總體呈現(xiàn)出下降的趨勢。男性用字難易度波幅較大，較女性更加不穩(wěn)定； ③對比圖3后發(fā)現(xiàn)，人名的非常用字出現(xiàn)過兩次低谷階段，第一次低谷時期是1939-1958年附近，第二次則是1999年至今。在1966-1979年附近，非常用字出現(xiàn)過一次激增階段。

圖3 重大歷史事件中用字難易程度的性別差異(單名)

人名的主要功能是區(qū)分彼此并且滿足社會成員之間的互動，所以名字要便于辨認(rèn)，常用字總體占比會更多。但同時人名也是個人身份的標(biāo)簽，為了體現(xiàn)個性或者表達某些特殊含意，也會出現(xiàn)特殊的字，非常用字也會占據(jù)一定比例。而正是出于這些特殊的情感表達，會在某些特定時間段內(nèi)出現(xiàn)較大變化，于是就會出現(xiàn)圖2、圖3中所看到的起伏。值得注意的是，男性人名的非常用字波幅大于女性，男性非常用字的激增階段對應(yīng)的是1966-1978年這一時期，其名字更容易與特定事件和時段掛鉤。人名非常用字的兩次低谷對應(yīng)的原因可能有所不同。第一次非常用字的低谷伴隨的是一級常用字的增長，而第二次則伴隨的是二級常用字的增長。我們的猜想是第一次低谷相應(yīng)時期的新生兒父母多經(jīng)歷了多年戰(zhàn)爭，受教育機會少，文化程度低，在取名的時候受到文化程度等因素的限制，用字相對比其他時期更加簡單。而第二次低谷則更可能是新時期語言文字工作者和有關(guān)政府對于姓名規(guī)范的呼吁。

圖4是按自然年份劃分的雙名用字難易程度的分布。

圖4 自然年份中用字難易程度的性別差異(雙名)

由圖4可知: ①與單名類似，雙名的一級常用字占據(jù)絕對優(yōu)勢，二級常用字最穩(wěn)定； ②女性雙名的整體用字仍然難于男性，兩性人名用字在1978年后都發(fā)生了顯著變化，一級常用字減少，非常用字呈現(xiàn)上升趨勢； ③改革開放后人名用字與前三個階段有明顯區(qū)別，而這期間又分為兩個時期，21世紀(jì)后的兩性用字的難易程度差異變大，女性非常用字增幅比男性更顯著。

雖然雙名難易度的三個等級分布與單名類似，但是整體上雙名用字比單名簡單，這印證了本節(jié)開頭的假設(shè)即用字的難易度與名字長度有一定關(guān)聯(lián)。與單名逐漸變得更簡單所不同的是，雙名逐漸變得復(fù)雜，這與二者的基數(shù)有關(guān)。

3.3 人名用字豐富度

在計量語言學(xué)中測量詞匯豐富度常用的指標(biāo)是型例比(TTR，type-token ratio)，該指標(biāo)計算的是文本中不同詞語在所有詞語中所占的比例，TTR值越大,說明文本使用的詞匯越豐富。但是TTR的值受到語料庫大小的影響，因此本文使用“吉羅指數(shù)”[13-14]，它是TTR的變體，可減少文本大小對于豐富度的影響，如式(1)所示。

(1)

其中，Types是型符，Tokens是類符。我們將詞匯豐富度這一指標(biāo)應(yīng)用到人名用字中，計算人名用字的豐富度，計算得到歷時百年的人名用字總體豐富度為11.45。以施建剛和邵斌[15]計算的“蘭卡斯特現(xiàn)代漢語語料庫”傳記和散文子庫中的吉羅指數(shù)參照，該語料庫的吉羅指數(shù)為43.93，遠高于人名用字的吉羅指數(shù)，這說明相對于普通漢語書面語，人名用字的豐富度較低，用字比較集中。

為探究不同年代用字豐富度的變化以及兩性人名用字豐富度的差異，我們分別按照自然年代的劃分計算男性和女性人名用字的吉羅指數(shù)，如表4所示。

表4 兩性人名用字豐富度的吉羅指數(shù)

從表4中可以看到，從1919年至今，人名用字的豐富度總體呈現(xiàn)降低的趨勢，也就是人名用字逐漸單一化，進入人名的漢字越來越集中。人名作為專有名詞的一種，其專有性和獨特性越來越突出。同時對比兩性人名用字的吉羅指數(shù)發(fā)現(xiàn)，1998年以前，男性人名用字比女性人名用字豐富。

3.4 百年人名高頻字及用字性別偏度

對近百年來兩性人名中出現(xiàn)的漢字進行統(tǒng)計，取高頻字的前15個字。兩性人名用字的總體差異見表5。在這些高頻字中只有“華”字是重疊的，其在現(xiàn)代漢語詞典[16]中的解釋主要有“中國、繁華、精英、美麗”等，這些代表了中國人名最常包含的意義。

表5 百年來兩性人名高頻字

在我們感性認(rèn)知中，男女人名在用字上有所不同。但是哪些漢字具有明顯的傾向，這些具有傾向的漢字本身有怎樣的特征呢？本文設(shè)計了人名用字的性別偏度這一指標(biāo)，從定量上對人名與性別的關(guān)聯(lián)進行考察，如式(2)所示。

(2)

Cbias為漢字的性別偏度分?jǐn)?shù)，其中fmale為該字在男性人名中出現(xiàn)的頻次，ffemale為該字在女性人名中出現(xiàn)的頻次，ftotal為該字在所有人名中出現(xiàn)的頻次。當(dāng)Cbias> 0 ，該字偏向于男性用字；當(dāng)Cbias< 0 ，該字偏向于女性用字；當(dāng)Cbias=0，該字在男女人名中的分布均衡，為中性字；當(dāng)Cbias≈±1 時，該漢字僅出現(xiàn)在一種性別之中，稱之為極男/女字。取總字頻為前1 000 的所有漢字中的性別偏度，最終得出百年人名性別極性字表，如表6所示。

表6 百年高頻人名用字性別極性字表

在高頻字中，極女字較極男字更多，也就是在取名系統(tǒng)中女性人名的專用字較多。我們對表6中比較集中的幾個意象做了簡要歸納，結(jié)果如表7所示。

表7 兩性用字意象歸納

3.5 人名用字歷時變化趨勢

我們分性別將所有年份的用字進行統(tǒng)計，得出不同年份的高頻字表，如表8、表9所示。

表8 自然年份中兩性人名高頻字分布

表9 重大歷史事件中兩性人名高頻字分布

按照總體高頻字表中每個字對應(yīng)的排序，對歷時層面的前15個高頻字進行編碼。前人的研究認(rèn)為，人名用字與歷史事件有關(guān)[4]，因此在劃分人名階段的時候采用了重大歷史事件作為節(jié)點。所以我們首先選擇表9的內(nèi)容，采用獨立樣本Kruskal-Wallis檢驗。檢驗結(jié)果表明，男性用字的分布不具有統(tǒng)計學(xué)意義上的差別，而女性用字具有統(tǒng)計學(xué)意義上的差異。具體統(tǒng)計檢驗結(jié)果如圖5所示。

因為女性用字分布存在差異，我們進一步對女性用字做了成對比較，探究不同階段之間的差異。如圖6所示，圖中不同時段用節(jié)點表示，每個節(jié)點顯示樣本的平均秩，彼此之前的關(guān)系用實線連接?？梢钥吹?，女性用字差異主要來源于第四個階段，即改革開放以后，女性用字在改革開放后發(fā)生了顯著變化。

圖5 人名用字的Kruskal-Wallis檢驗 檢驗總計量為60。男性人名均值為6.704，雙側(cè)漸近顯著性為0.082，女性人名均值為15.627，雙側(cè)漸近顯著性為0.001。

圖6 女性用字分布與年代的成對比較 每行會檢驗零假設(shè)；樣本1和樣本2分布相同。顯示漸近顯著性(雙側(cè)檢驗)。顯著性水平為0.05。 Bonferroni校正已針對多個檢驗調(diào)整顯著性值。

鑒于差異主要分為兩個大的階段，即1979年前后(改革開放前后)，因此我們對這一時期前后兩性人名高頻字變化的主要特點做出歸納，結(jié)果如表10所示。

表10 改革開放前后高頻字意象主要變化

從表中可以看到，1979年以前男性人名部分與歷史事件有關(guān)聯(lián)，兩性人名對于政治歷史事件的敏感度是不一樣的，相比之下男性人名與政治歷史事件聯(lián)系更加緊密，從不同階段的男性高頻字可以看出時代特點。在中華人民共和國成立前強調(diào)傳統(tǒng)“修身治國平天下”的理想，男性高頻用字更多反映個人品德修養(yǎng)。從表8中可以看到，在第一階段“德”“良”等字都在前15個高頻字中；在第二階段，男性人名反映偉大志向、建設(shè)祖國的心愿，如“建”“志”等；第三階段則反映出革命與建設(shè)的潮流，如“軍”“偉”。男性人名用字分布雖然總體沒有顯著差異，但每個階段都隨著時代特征而體現(xiàn)出不同的側(cè)重，高頻字的排序隨之發(fā)生變化。

不過變化是緩慢且滯后的，可以通過兩種時間劃分方式的重疊部分來推測不同時間段內(nèi)部的變化，以“德”“建”二字為例，從“德”字在表8、表9中的排序變化可以看出，該字在中華人民共和國成立前使用非常頻繁，中華人民共和國成立后使用頻率并沒有迅速降低，甚至在早期使用依然較多，隨著時間的發(fā)展逐漸變得不那么常用。類似地，1950-1958年間“建”的使用不如1959-1965年多。與其他歷時階段比，“建”字在建國初期呈現(xiàn)小高峰。而在這一階段內(nèi)部再比較，該字的使用又呈現(xiàn)出了逐漸上升的趨勢。因此人名的變化雖然受時代的影響，但其變化具有漸進性和滯后性。

為了更清晰地顯示人名高頻用字的變化，我們分性別總結(jié)了各個階段排名均在前50的字，取前10個，歸為穩(wěn)定且常用；取各階段在前50，并且呈現(xiàn)上升趨勢的前20個(字)歸為上升快且當(dāng)前常用(Max(Rank1,Rank2,Rank3)-Rank4)；取前三個階段中任意階段曾在前50，但在第四個階段下降的前20個字歸為下降快且曾經(jīng)常(Rank4-Min(Rank1,Rank2,Rank3))。最終得到表11。

表11 用字變化趨勢

續(xù)表

4 結(jié)語

本文構(gòu)建了一個中國名人人名數(shù)據(jù)庫，共11萬余條，每個條目含有人名、性別、出生地等社會文化標(biāo)簽，同時含有拼音、筆畫、偏旁等文字信息標(biāo)簽。該數(shù)據(jù)庫可以支持對人名的地域、歷時、性別等多個維度的研究。

在人名數(shù)據(jù)庫的支持下，本文選取1919年至今的人名作為研究對象，從人名長度、用字難易度、豐富度等角度進行探究。研究發(fā)現(xiàn)男性人名比女性長，但兩性人名長度的差異隨著時間而不斷縮小。建國以來單名比例不斷增加，但是進入21世紀(jì)后又逐漸減小。單名用字比雙名難，女性人名用字比男性難，男性用字難易程度波動較大。人名中的二級常用字最為穩(wěn)定，其次是一級常用字。在用字的豐富度上，隨著時間的發(fā)展，人名用字越來越體現(xiàn)出其專有性的特征，豐富度逐漸降低。男性人名用字總體上比女性用字豐富。通過計算人名的性別偏度指標(biāo)后發(fā)現(xiàn)女性人名專用字更多。改革開放對人名用字格局產(chǎn)生了重要影響，女性用字變化顯著。男性人名與歷史階段聯(lián)系更加緊密，用字的變化雖受歷史事件的影響，但其變化具有漸進性和滯后性。

這些發(fā)現(xiàn)可以幫助我們進一步了解人名的發(fā)展變化規(guī)律，探究漢字中的性別差異。當(dāng)然，本文還存在一些不足，例如，在自然年份中1919年至今這一時段的人名較少，對數(shù)據(jù)的分析產(chǎn)生一定影響。未來工作中，我們將持續(xù)補充新增名人人名數(shù)據(jù)及相關(guān)信息，并從偏旁、地域等維度進行深入研究。