arXiv发布增强中文姓名性别推断模型
发生了什么
据arXiv cs.CL论文，研究针对中文姓名汉字与拼音形式提出性别推断方法。基于11名母语者标注的物理学出版物数据，汉字回归模型RMSE为0.09、R²为0.85，分类模型macro-AUC达0.97。拼音处理通过音译聚合与频率加权解决歧义，在Namsor、GPT和Claude基准测试中表现最佳。应用于APS期刊样本时，现有拼音方法有20%-100%未分类，新模型实现全部分类。代码与数据已公开。
- 汉字分类macro-AUC
- 0.97
- 拼音方法未分类比例上限
- 100%
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口