English(EN) Bridging the Language Gap in Scholarly Data II: Enhancing Gender Inference for Chinese Names

新模型增强学术数据中中文姓名的性别推断

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-19 04:00

研究人员开发了新的模型来改进中文姓名的性别推断，解决了学术数据中的一个重大鸿沟。这些模型在中国物理学出版物上进行训练，并由母语人士评分，在回归和分类任务中均取得了高精度。与 Namsor、GPT 和 Claude 等现有工具进行基准测试时，新模型在性别分数和标签一致性方面表现出更优越的性能，尤其是在拼音姓名方面，因为其歧义性很高。所开发的流程有效地为所有姓名分配了性别，而以前的方法则将许多姓名留为空白，这凸显了汉字级别信息的重要性。 AI

影响通过更好地分析非西方学术数据，提高科学计量学的包容性。

排序理由详细介绍性别推断新方法和模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍性别推断新方法和模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Lisette Esp\'in-Noboa, Mingrong She, Ana Maria Jaramillo, Liuhuaying Yang · 2026-10-19 04:00

弥合学术数据中的语言鸿沟 II：提升中文姓名的性别推断能力

arXiv:2610.23734v1 Announce Type: new Abstract: Perceived gender inference from names is important for inclusive scientometrics research, yet existing methods perform poorly on non-Western scholars. We address this gap for Chinese names, which appear in two forms, Hanzi and Pinyi…

本文如何被排名

报道来源 [1]

弥合学术数据中的语言鸿沟 II：提升中文姓名的性别推断能力

相关实体

相关话题