基于推文的性别预测：利用人工特征改进神经表示
计算与语言
2019-09-09 v2 机器学习
机器学习
摘要
作者画像是通过性别、年龄和语言等一些关键属性对作者进行刻画。本文提出一种带注意力机制的 RNN 模型（RNNwA），利用推特用户的推文预测其性别。该模型同时利用词级和推文级注意力来学习“关注何处”。该模型（https://github.com/Darg-Iztech/gender-prediction-from-tweets）通过将 LSA 降维后的 n-gram 特征与学到的用户神经表示拼接而得到改进。两个模型在三种语言上测试：英语、西班牙语、阿拉伯语。所提模型的改进版（RNNwA + n-gram）在英语上取得了最先进（SOTA）性能，在西班牙语和阿拉伯语上具有竞争性结果。
引用
@article{arxiv.1908.09919,
title = {Gender Prediction from Tweets: Improving Neural Representations with Hand-Crafted Features},
author = {Erhan Sezerer and Ozan Polatbilek and Selma Tekir},
journal= {arXiv preprint arXiv:1908.09919},
year = {2019}
}