许可证: mit
语言:

• 英语
  基础模型:
• google-bert/bert-base-cased
  标签:
• 性别识别
• 文本分类
• 预测

基于姓名的性别分类模型

模型详情

• 模型名称: Genderize
• 开发者: Imran Ali
• 模型类型: 文本分类
• 语言: 英语
• 许可证: MIT

描述

该模型通过输入姓名预测性别。它以预训练的BERT模型为基础，并在姓名与对应性别的数据集上进行了微调。

训练详情

• 训练数据: 姓名与性别数据集（如Dannel性别-姓名数据集）
• 训练流程: 使用带分类头的BERT模型进行微调
• 训练超参数:
  • 批量大小: 8
  • 梯度累积步数: 1
  • 学习率: 2e-5
  • 总步数: 20,005
  • 可训练参数量: 109,483,778 (1.9M)

评估

• 测试数据: 从训练数据集中划分
• 评估指标: 准确率、精确率、召回率、F1分数

用途

• 直接用途: 对给定姓名进行性别分类
• 下游应用: 增强需要基于姓名识别性别的应用（如个性化营销、用户画像）
• 非适用场景: 未经充分验证将该模型用于性别分类以外的用途

偏见、风险与局限

• 偏见: 模型可能反映训练数据中的偏差，需在不同数据集中验证性能
• 风险: 可能出现误分类，尤其对中性名或罕见名
• 局限: 模型准确性可能受姓名文化及语言背景影响

建议

• 用户应了解模型潜在的偏见和局限性
• 针对具体用例和数据集建议进行额外验证

快速开始

from transformers import AutoModelForSequenceClassification, AutoTokenizer  

# 从Hub加载模型和分词器  
model_name = "imranali291/genderize"  
model = AutoModelForSequenceClassification.from_pretrained(model_name)  
tokenizer = AutoTokenizer.from_pretrained(model_name)  

# 示例预测函数  
def predict_gender(name):  
    inputs = tokenizer(name, return_tensors="pt", padding=True, truncation=True, max_length=32)  
    outputs = model(**inputs)  
    predicted_label = outputs.logits.argmax(dim=-1).item()  
    return label_encoder.inverse_transform([predicted_label])[0]  

print(predict_gender("Alex"))  # 示例输出: 'M'  
print(predict_gender("Maria"))  # 示例输出: 'F'