arXiv 发布汉字级模型解决中文人名性别歧义
热点事件持续更新
arXiv 发布汉字级模型解决中文人名性别歧义
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究人员在arXiv发布新模型，利用汉字信息解决中文姓名拼音形式的性别歧义问题。该模型包含回归与分类两种类型，分别输出连续性别得分或三分类标签。模型表现优于Namsor、GPT和Claude等现有工具，在回归任务中R²达0.85，分类任务宏平均AUC为0.97。在APS期刊独立测试中，该方法实现100%姓名性别分类，而现有方法未分类率高达20%-100%。相关代码与数据已公开，证明汉字级信息对提升科学计量准确性具有关键作用。
AI 根据报道生成 · 6 小时前更新
最新进展10月19日 12:00
中文姓名性别推断模型：基于汉字解决拼音歧义提升科学计量准确性报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · NLP中文姓名性别推断模型：基于汉字解决拼音歧义提升科学计量准确性
研究人员开发针对中国姓名的汉字性别推断模型，解决拼音形式固有的性别歧义问题。模型在回归任务中达到0.85 R²，分类任务宏平均AUC为0.97，表现优于Namsor、GPT和Claude等现有工具。在APS期刊独立测试中，该方法实现100%姓名性别分类，而现有方法存在20%-100%未分类率，证明汉字级信息对可靠性别推断的关键作用。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。