基于字符级机器学习通过名字预测性别
机器学习
2021-10-05 v2 人工智能
计算与语言
摘要
通过名字预测性别并非一项简单任务。在许多应用中，尤其在自然语言处理（NLP）领域，该任务可能是必要的，主要是在考虑外文名字时。在本文中，我们考察并实现了若干机器学习算法，如extra trees、KNN、Naive Bayes、SVM、random forest、gradient boosting、light GBM、logistic regression、ridge classifier，以及深度神经网络模型如MLP、RNN、GRU、CNN和BiLSTM，以通过名字对性别进行分类。使用了一个巴西名字数据集来训练和评估模型。我们分析了准确率、召回率、精确率、f1分数和混淆矩阵以衡量模型性能。结果表明，性别预测可通过将名字视为字符串集合的特征提取策略来实现。部分模型在超过95%的案例中准确预测性别。在此二分类问题中，循环模型优于前馈模型。
引用
@article{arxiv.2106.10156,
title = {Predicting Gender by First Name Using Character-level Machine Learning},
author = {Rosana C. B. Rego and Verônica M. L. Silva and Victor M. Fernandes},
journal= {arXiv preprint arXiv:2106.10156},
year = {2021}
}
备注
8 pages, 12 figures