[发明专利]一种基于多层感知机的中文人名判定性别的方法

说明书

本发明属于人工智能技术领域，具体公开了一种基于多层感知机的中文人名判定性别的方法，具体步骤为：在字词向量训练语料上采用word2vec得到中文人名用字的初始字向量和词向量；将中文人名语料按一定比例划分为训练语料和测试语料，其中训练语料再按一定比例划分为训练语料和验证语料；建立一个多层感知机模型并训练该用于进行中文人名性别判定的多层感知机模型；输入待判定性别的中文人名，进行性别判定及后续统计处理。本发明的判定方法仅通过用户的名字进行用户性别判定，原始数据容易获取，该方法借助多层感知机自动获取男女不同性别中文人名的用字特征，无需人工参与特征工程，节省了大量人力。

技术领域

本发明属于人工智能技术领域，具体涉及一种基于多层感知机的中文人名判定性别的方法。

背景技术

网络环境中用户的性别是一项十分重要的信息，在内容推送、网络营销、商品推荐、广告投放等许多场景中都需要对不同性别的用户区别对待。例如，目前，网上购物已成为越来越多消费者的选择，而不同性别的消费者网购行为存在着很大不同，所以，网购平台在进行网络营销、商品推荐、广告投放时，需要针对男女不同性别用户进行区别处理。而网购平台容易获取到用户的真实姓名，一般不会也不便获取用户的性别信息，能否从用户的姓名预测出用户的性别信息？答案是肯定的，这正是本发明提供的技术方案。经分析，中文人名具有较强的性别区分性，通常人们从一个陌生人的名字可推测其是男性或女性，且准确率较高，本发明基于多层感知机从中文人名判定性别，得到的性别信息可以用于对该用户的内容推送、网络营销、商品推荐、广告投放等任务中，做到“有的放矢”。

秒针信息技术有限公司在其申请的专利文献“用户性别分析方法和装置”(专利申请号：201310526980.4，公开号：CN104598452A)中公开了一种用户性别分析方法和装置，该方法通过分析用户的个性域名来判断所述用户的性别。该发明通过统计样本数据集中用户个性域名中各顺位上不同字母和相邻若干顺位上不同字母组合按照性别出现的概率，再以所述概率作为参考数据，对未知用户性别的个性域名进行分析，判断用户性别。北京地平线机器人技术研发有限公司在其申请的专利文献“性别识别方法、装置及电子设备”(专利申请号：201810900838.4，公开号：CN109190495A)中公开了一种性别识别方法、装置及电子设备，该方法通过人脸识别进行第一识别，热成像进行第二识别。苏州三星电子电脑有限公司在其申请的专利文献“智能设备的性别识别方法与性别识别装置”(专利申请号：201711024078.7，公开号：CN107862263A)中公开了一种智能设备的性别识别方法，该方法通过获取目标人物肩部以上图像进行性别识别。这三项技术需要获取用户个性域名或身体部分甚至全部影像，然后借助获取的这些数据进行性别识别。

2014年发表在山东大学学报上的文献“一种基于中文人名用字特征的性别判定方法”提出一种利用朴素贝叶斯分类器对中文人名性别判定的方法，该方法需要对中文人名的用字特征及其组合进行统计分析，人工参与特征工程较多，耗时费力。鉴于很多场景获取用户个性域名或身体图像无法实现，人工特征工程耗时费力，本发明提出一种基于多层感知机的中文人名性别判定方法，可以用于用户性别判定。

发明内容

本发明的目的在于：提供一种基于多层感知机的中文人名判定性别的方法，可以仅通过用户的名字进行用户性别判定，该方法借助多层感知机自动获取男女不同性别中文人名的用字特征，无需人工参与特征工程，节省了大量人力。

本发明采用的技术方案如下：

一种基于多层感知机的中文人名判定性别的方法，该方法包括以下步骤：

(1)在字词向量训练语料上采用word2vec得到中文人名用字的初始字向量和词向量，具体步骤如下：

(11)对单字符切分的字词向量训练语料预处理后，建立字的词典，然后采用word2vec得到该语料的字向量；

(12)对已分词的字词向量训练语料预处理后，建立词的词典，然后采用word2vec得到该分词语料的词向量；