自然语言处理中的性别识别

Question

我已经使用 stanford nlp 包编写了以下代码。

GenderAnnotator myGenderAnnotation = new GenderAnnotator();
myGenderAnnotation.annotate(annotation);

但对于“安妮去上学”这句话，却无法识别安妮的性别。

应用程序的输出是：

     [Text=Annie CharacterOffsetBegin=0 CharacterOffsetEnd=5 PartOfSpeech=NNP Lemma=Annie NamedEntityTag=PERSON] 
     [Text=goes CharacterOffsetBegin=6 CharacterOffsetEnd=10 PartOfSpeech=VBZ Lemma=go NamedEntityTag=O] 
     [Text=to CharacterOffsetBegin=11 CharacterOffsetEnd=13 PartOfSpeech=TO Lemma=to NamedEntityTag=O] 
     [Text=school CharacterOffsetBegin=14 CharacterOffsetEnd=20 PartOfSpeech=NN Lemma=school NamedEntityTag=O] 
     [Text=. CharacterOffsetBegin=20 CharacterOffsetEnd=21 PartOfSpeech=. Lemma=. NamedEntityTag=O]

获取性别的正确方法是什么？

Answer 1

如果您的命名实体识别器输出PERSON令牌，您可以使用（或构建，如果您没有）基于名字的性别分类器。例如，请参阅NLTK 库教程页面中的性别识别部分。它们使用以下功能：

• 姓名的最后一个字母。
• 名字的第一个字母。
• 名称长度（字符数）。
• 字符一元存在（布尔值是否在名称中）。

不过，我有一种预感，即使用字符 n-gram 频率——可能高达字符三元组——会给你很好的结果。