性别预测（性别预测还能这么玩？）

2022-09-09 11:45:10 发布:网友投稿

热度:69

性别预测(性别预测还能这样玩吗？)

今天，越来越多的深度学习应用已经进入我们的世界。

性别预测对AI来说不再困难。

除了最常见的人脸识别，AI可以通过人脸来判断身份和性别，还可以通过你的笑容甚至手来自动区分性别。

今天，我们想说的是，你可以通过说出你的名字来预测你的性别。

近日，AMiner发布了最新版本的性别预测，只需登录以下网站(或点击下方阅读原文):

https://www.aminer.cn/gender

在名称列中，输入您的姓名。请注意它是英文的。点击提交，答案如下！

至于是否允许？

我们说不，等你的回答！

你试过吗？

在下图中，点击为什么？我们为你揭示了答案。

试验结果

那么，我们如何推断你的性别呢？

在这个性别测试系统中，我们主要使用了以下三种性别推断的方法，并提出了一个投票模型，并将结果带入最终的预测中。

人脸识别(FR)使用姓名和成员信息作为查询词，提取第一张返回的图片作为用户的肖像。通过使用Face++提供的人脸识别API，我们可以轻松获取人脸的性别信息。FR对应于界面中的“人脸识别器”项目。

生成名称列表(FGNL)是在[唐，2011]中提出的，并在[顾，2016]第3.c节中作为基线之一引入。基本上，它从脸书收集了一个带有相应性别值的常见名字列表。如果用户名匹配列表中的任何条目，FGNL将返回性别值；否则，返回“未知”。FGNL对应于界面中的“名称分类器”项目。

基于网络的性别预测器(WebGP)代表了一个有监督的信息提取框架，如[Gu，2016]的“方法”部分所示。简而言之，我们在谷歌等搜索引擎中自动构建有效的查询，从而获得可能包含目标用户性别信息的相关细分。WebGP对应于界面中的“谷歌”项。

[唐，2011]唐，丛，Keith Ross，Nitesh Saxena，陈瑞川。“名字里有什么:对脸书的名字、性别推断和性别行为的研究。”高级应用数据库系统国际会议，第344-356页。斯普林格柏林海德堡，2011。

[顾，2016]顾，小陶，洪洋，，。"使用数据冗余的资源网络中的网络用户配置文件. "在社会网络分析和挖掘的进展(a sonam)，2016年IEEE/ACM国际会议，第358-365页。IEEE，2016。

投票模型(Final)按照“一人一票”的原则，综合所有这些方法的推理结果，最终选出得票较多的性别值。这种投票模型的直觉很自然，因为每种方法都擅长预测具有一定特征的用户，但也有一定的局限性。

比如FGNL是西方国家最常见的名字，有明显的性别偏见(比如“Nancy”通常是女生的名字)，所以对于列出的名字来说非常准确。但其召回受限于名单覆盖的资源网络范围，难以与韩国、日本等国的外文名称匹配。

因此，最直接的解决方法是训练另一个分类器，它从每种方法中获得预测结果，为其学习“权重”或“可靠性”，并给出“加权”预测。在这里，我们将其简化为投票模型，这意味着我们平等地信任每种方法。实验表明，该投票模型在提高整体性能方面是有效的。

我们为性别推断提供了一个开放的API，与支持这个应用的API相同。您可以通过GET请求轻松访问它，并获得由JSON编码的快速响应。

GET请求应该如下所示:

https://innovaapi.aminer.cn/tools/v1/predict/gender?名称= jie % 20tang & amporg =清华

用JSON编码回应，包含每种方法的推理和概率。

例如:

欢迎你尝试一下。如果您有任何问题或建议，可以给我们留言！

相关信息