seimei-split

English

日本人のフルネームを姓（sei）と名（mei）に分離するライブラリです。

Playground で動作を試せます。

特徴

• スペース区切り・スペースなしの両方に対応
• 漢字・ひらがな・カタカナに対応
• UniDic 辞書同梱（姓 18,364件、名 37,084件）
• 文字種境界ヒューリスティックによる辞書未収録名の分離
• TypeScript ファーストクラスサポート

インストール

npm install seimei-split

使い方

// 辞書同梱版（推奨）
import { split } from "seimei-split";

split("田中 太郎");  // => { sei: "田中", mei: "太郎" }
split("田中太郎");   // => { sei: "田中", mei: "太郎" }

// 低信頼モード（辞書未収録でもベストエフォートで分離）
split("宝鐘マリン", { allowLowConfidence: true });
// => { sei: "宝鐘", mei: "マリン" }

// 候補一覧と信頼度を取得
import { analyze } from "seimei-split";
const result = analyze("田中太郎");
// => { best: { sei: "田中", mei: "太郎" }, confidence: 1.0, candidates: [...] }

// 辞書なし版（独自辞書を使う場合）
import { split, setLexicon } from "seimei-split/core";

仕組み

スペース区切りの入力

入力にスペース（半角・全角）が含まれる場合、スペース位置で直接分割します。辞書照合は行いません。

スペースなしの入力

スペースなしの名前（例: 田中太郎）に対しては、辞書ベースのスコアリングアルゴリズムを使用します。

1. 候補列挙

全ての分割位置を列挙します。田中太郎（4文字）の場合:

分割位置	姓	名
1	田	中太郎
2	田中	太郎
3	田中太	郎

2. 辞書照合

各候補の姓・名部分を辞書で照合します:

マッチ種別	スコア	説明
surface	4.0	辞書に完全一致
folded	2.5	異体字変換後に一致（例: 齋藤 → 斎藤）
reading	1.0	かな入力が既知の読みに一致（オプション）
none	0	一致なし

3. スコアリング

score = matchScore(姓) + matchScore(名) + seiHitBonus + lengthScore + pairBonus + boundaryScore + seiShapePenalty

• matchScore: 辞書マッチスコア（上表参照）
• seiHitBonus: 姓辞書ヒット時 +0.5（苗字は有限の既知セット）
• lengthScore: 文字数に基づく小さなボーナス/ペナルティ
• pairBonus: 姓名両方が辞書に一致すると +0.8
• boundaryScore: 文字種境界（漢字↔かな）での分割にボーナス、境界外しにペナルティ
• seiShapePenalty: 辞書未収録の姓にかなが混在する場合に減点

4. 信頼度閾値

最良候補が score >= 6.0 かつ bestScore - secondBestScore >= 1.0 の場合に採用。閾値未満は未分割で返します。allowLowConfidence: true でベストエフォートの結果を取得可能。

5. 例外フロー

• カタカナ姓: 前半が全カタカナの場合（例: ジャガー横田）、芸名パターンとして後半を姓辞書で照合
• 異体字フォールディング: 齋→斎, 髙→高, 濱→浜 等の旧字体を自動マッピング

辞書データ

同梱辞書は UniDic（現代書き言葉UniDic）から人名エントリを抽出したものです。

	件数
姓	18,364
名	37,084
異体字マッピング	1,002
読みエントリ（オプション）	25,742

バンドルサイズ

エントリポイント	生サイズ	gzip
seimei-split（辞書同梱）	463 KB	216 KB
seimei-split/core（辞書なし）	4.5 KB	1.8 KB

読みデータはデフォルトで tree shaking により除外されます。

開発状況

12カテゴリ 339件のテストデータで精度を計測しています。

カテゴリ	通常モード	allowLowConfidence
MVP（208件）	94.7%	99.5%
漢字姓+ひらがな名	100%	100%
漢字姓+カタカナ名	100%	100%
かな姓+漢字名	87.5%	100%
VTuber名	6.7%	93.3%
1文字姓	92.3%	100%
3文字以上の姓	75.0%	100%
異体字・旧字体	86.7%	100%
ノ・ヶ・々を含む姓	81.8%	100%
全ひらがな/全カタカナ	86.7%	100%
名前内部にかな混在	70.0%	100%
分割が曖昧な名前	80.0%	100%

全カテゴリで誤分割 0 件。通常モードで unsplit になるケースは allowLowConfidence: true で改善されます。

ライセンス

コード: MIT | 辞書データ: BSD 3-Clause

詳細は LICENSES/README.md を参照。