全名性别检测

Question

我想创建一个基于全名来检测性别的模型。 我有两本带有男性和女性的词典。女性的名字。我想开发一个模型来对以前看不见的名字进行分类。

我需要在NER（名称实体识别）过程之后确定性别。这为PERSON实体提供了以下任何一个特征：

• 全名（John Travolta）
• 仅限姓名（约翰）
• 仅限SURNAME（特拉沃尔塔）

我只能在（给定）名字上做男性与女性的决心。该模型只需处理SURNAME，将其归类为 NO_GENDER 。

我知道姓氏可能很吵，但我必须处理它们，因为它们可能是输入的一部分。

Answer 1

首先，预处理数据：在全名输入中，只保留名称（见下文）。将此应用于未知输入。

我建议你训练一个多级SVM。你已经知道了这三个班级。进行以下培训（标记）数据：

• NO_GENDER：女孩和男孩名单上的名字
• FEMALE：仅列出女孩名单上的姓名
• MALE：仅限男生名单上的名字
• NO_GENDER：已知的姓氏
• NO_GENDER：非名称字符串

基本上，你训练这个以识别女性，男性和其他一切。

<强>前处理

由于名称格式不同，这会给您带来一些麻烦。您可能无法使用复合名称，例如

Bobby Jo             male name with female modifier
van der Waal         compound surname with male-looking prefix
St. John             surname with gendered primary
Haley-Christopher    hyphenated surname, genedered

如果您对输入进行预处理，则可能会在Billy Jean St. John或Marie-Therese von Klaus中发现正确的分割时遇到一些问题。