我想创建一个基于全名检测性别的模型。
我有两本男性和女性名字的字典。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。这将提供具有以下任一特征的PERSON实体：
全名（约翰·特拉沃尔塔）
仅NAME（约翰）
仅SURNAME（Travolta）
我只能根据（给定的）名字来决定男性还是女性。该模型仅需要处理SURNAME，并将其分类为NO_GENDER。
我知道姓氏可能很吵杂，但我必须加以处理，因为姓氏可能是输入的一部分。
最佳答案
首先，对数据进行预处理：在全名输入中，仅保留名称（请参见下文）。也将其应用于未知输入。
我建议您训练一个多类SVM。您已经知道这三个课程。组成以下训练（标记）数据：
NO_GENDER：女孩和男孩名单上的名字
女：只有女孩名单上的名字
男：只有男孩名单上的名字
NO_GENDER：已知姓氏
NO_GENDER：非名称字符串
本质上，您需要训练它以识别女性，男性和其他所有事物。
预处理
由于名称格式不同，这会给您带来麻烦。您可能在化合物名称方面遇到麻烦，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，则可能很难找到正确的划分，例如
Billy Jean St. John或Marie-Therese von Klaus。