名字里有什么？——基于字符机器学习模型的姓名性别分类
机器学习
2021-02-09 v1 信息检索
摘要
在许多领先互联网公司注册账户时，性别信息已非必填项。然而，人口统计信息(如性别与年龄)的预测仍是一项重要任务，尤其在干预推荐系统中无意的性别/年龄偏差方面。因此，有必要推断那些注册时未提供该信息的用户性别。我们考虑基于用户声明姓名预测已注册用户性别的问题。通过分析逾1亿用户的名字，我们发现利用姓名字符串的构成即可非常有效地分类性别。我们提出若干基于字符的机器学习模型，并展示我们的模型能以远高于基线模型的准确率推断用户性别。此外，我们表明在名字之外同时使用姓氏可进一步提升分类性能。
引用
@article{arxiv.2102.03692,
title = {What's in a Name? -- Gender Classification of Names with Character Based Machine Learning Models},
author = {Yifan Hu and Changwei Hu and Thanh Tran and Tejaswi Kasturi and Elizabeth Joseph and Matt Gillingham},
journal= {arXiv preprint arXiv:2102.03692},
year = {2021}
}