Qualcuno conosce una buona libreria per mappare il nome di una persona al suo sesso? [chiuso]

Sto cercando una libreria o un database in grado di fornire ipotesi sul fatto che una persona sia maschio o femmina in base al suo nome o soprannome. Qualcosa di simile a

john => "M",
mary => "F",
alex => "A", #ambiguous

Sto cercando qualcosa che supporti nomi diversi dai nomi inglesi (come giapponese, indiano, ecc.).

Prima di ottenere un'altra risposta sulla falsariga di "offenderai le persone assumendo il loro sesso / genere", lasciatemi essere chiaro, la mia applicazione non interagisce con nessuno. Non invia email né contatta nessuno in alcun modo. Non ci sono utenti a cui chiedere. In molti casi, la persona in questione è morta e le uniche informazioni che ho sono il nome, la data di nascita e la data di morte. Il motivo per cui voglio conoscere il sesso dell'individuo è per rendere più gradevole la grammatica dell'output e per aiutare in eventuali ricerche che potrebbero venire dopo.

Il sesso di un nome è qualcosa che non può essere dedotto a livello di codice nel caso generale. Hai bisogno di un database dei nomi. Ecco un database di nomi gratuito dell'Ufficio censimento degli Stati Uniti .

EDIT : Il collegamento per il nome 2010 è morto ma ci sono collegamenti funzionanti e biblioteche nei commenti.

gender.c è un programma C open source che fa un buon lavoro. Viene fornito con i dati per 44568 nomi da tutto il mondo. C'è una buona documentazione e una descrizione del formato del file (fondamentalmente testo semplice), quindi non dovrebbe essere difficile leggerlo dalla propria applicazione.

Ecco cosa dice l'autore:

Qualche parola sulla qualità dei dati

Il dizionario dei nomi è stato preparato con la massima cura. Ad esempio, i nomi turco, indiano e coreano in questo dizionario sono stati tutti classificati in modo indipendente da diversi madrelingua. Ho anche prestato particolare attenzione a elencare solo i nomi che possono essere trovati attualmente.

La lezione da questo?

Qualsiasi modifica deve essere eseguita con molta cautela (e deve anche aderire all'ordinamento richiesto dall'algoritmo di ricerca). Ad esempio, sapendo che "Sascha" è il nome di un ragazzo in Germania, l'autore non ha mai pensato che l'inglese "Sasha" fosse il nome di una ragazza. Sapendo che "Jan" è il nome di un ragazzo in Germania, non ho mai pensato che fosse anche una forma abbreviata inglese di "Janet". Un altro esempio calzante è il nome "Esra". Questo è il nome di un ragazzo in Germania, ma il nome di una ragazza in Turchia.

Il programma calcola una probabilità che il nome sia maschio o femmina. Può farlo con il nome come input da solo o con il nome e il paese di origine, il che dà risultati significativamente migliori.

Puoi scaricarlo dal sito web della rivista tedesca di computer, a circa 40000 Namen . L'articolo è in tedesco ma non preoccuparti, tutta la documentazione è in inglese. Ecco il collegamento ftp diretto 0717-182.zip se non sei interessato all'articolo. Il file zip contiene il codice sorgente, un eseguibile di Windows, il database e la documentazione.

"Te lo dico io, la vita non è facile per un ragazzo di nome 'Sue'".

... Allora, perché renderlo più difficile? Se hai bisogno di conoscere il sesso, chiedi ... Altrimenti, non preoccuparti.

Ho creato un'API gratuita che fornisce un'ipotesi probabilistica sul sesso basata su un nome. Invece di utilizzare uno qualsiasi degli approcci sopra menzionati, utilizzo invece un enorme set di dati di profili dei social network per fornire un'ipotesi probabilistica insieme a un fattore di certezza. Supporta anche il filtraggio opzionale attraverso gli ID del paese o della lingua. Migliora di giorno in giorno man mano che vengono aggiunti più profili al set di dati.

È gratuito da usare su http://genderize.io

UNA cosa da considerare è l'utilizzo di uno strumento che tenga conto dei dati demografici, poiché le convenzioni di denominazione si baseranno molto su questo.

Esempio

http://api.genderize.io?name=kim
{"name":"kim","gender":"female","probability":"0.89","count":1440}

http://api.genderize.io?name=kim&country_id=dk
{"name":"kim","gender":"male","probability":"0.95","count":44,"country_id":"dk"}

Ecco due approcci stravaganti che potrebbero anche non funzionare e probabilmente non funzionerebbero in massa senza violare i termini di una licenza:

1. Usa l'API di Facebook (di cui non so praticamente nulla, potrebbe non essere nemmeno possibile) per eseguire due ricerche: una per gli utenti di FB di sesso maschile con quel nome e una per le donne. Usa i due numeri per decidere la probabilità di sesso.

2. Molto più flessibile ma più scalabile, utilizza l'API di Google e cerca il nome più i pronomi specifici del genere e confronta i numeri. Ad esempio, ci sono 592.000.000 di risultati per la ricerca di "Richard his" (non come frase), ma solo 179.000.000 di "Richard her".

Dati i tuoi vincoli dichiarati, la tua migliore opzione è riformulare qualunque cosa tu stia scrivendo in modo che sia neutrale rispetto al genere a meno che tu non sappia quale genere vogliono essere chiamati in ogni caso.

Se scrivi in inglese , ricorda che il singolare "loro" va bene dal punto di vista grammaticale come pronome singolare in terza persona neutro rispetto al genere.

Un buon esempio è il titolo di questa domanda. Come è attualmente:

    ... mappare il nome di una persona al suo sesso?

Sarebbe meno imbarazzante se scritto:

    ... mappare il nome di una persona al suo sesso?

È anche una cattiva pratica presumere che gli utenti debbano essere maschi o femmine. C'è un numero piccolo ma significativo di persone "intersessuali", la maggior parte delle quali sono vivamente
stufate di non avere una casella da spuntare .. bignose: interessante sul "singolare loro". Non mi rendevo conto che avesse una storia così lunga.

Non è un servizio, ma una piccola app con un database:
http://www.codeproject.com/KB/cpp/genderizer.aspx

E questo strumento è in tedesco:
http://www.faq-o-matic.net/2011/06/01/zu-einem-vornamen-das-geschlecht-finden/

E un altro in VB:
http://www.vbarchiv.net/tipps/tipp_1925-geschlecht-anhand-des-vornamens-ermitteln.html

Penso che in combinazione con alcuni elenchi "Nome più utilizzato nel 2011" dovresti essere in grado di creare qualcosa di decente.

Il pacchetto python SexMachine lo farà per te. Dato un nome qualsiasi, ritorna se è maschio, femmina o unisex. Si basa sui dati del programma gender.c di Jorg Michael.

L'unica cosa che otterrai provando ad automatizzarlo è un gruppo di utenti insoddisfatti. Da quei dati del censimento:

JAMES, JOHN, ROBERT, MICHAEL, WILLIAM, DAVID, RICHARD, CHARLES, JOSEPH, THOMAS, CHRISTOPHER, DANIEL, PAUL, MARK, DONALD, GEORGE, KENNETH, STEVEN, EDWARD, BRIAN, RONALD, ANTHONY, KEVIN, JASON, MATTHE GARY, TIMOTHY, JOSE, LARRY, JEFFREY, FRANK, SCOTT, ERIC, STEPHEN, ANDREW, RAYMOND, GREGORY, JOSHUA, JERRY, DENNIS, WALTER, PATRICK, PETER, HAROLD, HENRY, CARL, ARTHUR, RYAN, JOE, JUAN, JACK, ALBERT, JUSTIN, TERRY, GERALD, KEITH, SAMUEL, WILLIE, LAWRENCE, ROY, BRANDON, ADAM, FRED, BILLY, LOUIS, JEREMY, AARON, RANDY, EUGENE, CARLOS, RUSSELL, BOBBY, VICTOR, MARTIN, JESSE, SHAWN, CLARENCE, SEAN, CHRIS, JOHNNY, JIMMY, ANTONIO, TONY, LUIS, MIKE, DALE, CURTIS, NORMAN, ALLEN, GLENN, TRAVIS, LEE, MELVIN, KYLE, FRANCIS, JESUS, RAY, JOEL, EDDIE, TROY, ALEXANDER, MARIO, FRANCISCO, MICHEAL, OSCAR, JAY, ALEX, JON, RONNIE, TOMMY, LEON, LEO, WESLEY, DEAN, DAN, LEWIS,COREY, MAURICE, VERNON, ROBERTO, CLYDE, SHANE, SAM, LESTER, CHARLIE, TYLER, GENE, BRETT, ANGEL, LESLIE, CECIL, ANDRE, ELMER, GABRIEL, MITCHELL, ADRIAN, KARL, CORY, CLAUDE, JAMIE, JESSIE, CHRISTIAN, LONNIE, CODY, JULIO, KELLY, JIMMIE, JORDAN, JAIME, CASEY, JOHNNIE, SIDNEY, JULIAN, DARYL, VIRGIL, MARSHALL, PERRY, MARION, TRACY, RENE, FREDDIE, AUSTIN, JACKIE, JOEY, EVAN DONNIE, SHANNON, ANGELO, SHAUN, LYNN, CAMERON, BLAKE, KERRY, JEAN, IRA, RUDY, BENNIE, ROBIN, LOREN, NOEL, DEVIN, KIM, GUADALUPE, CARROLL, SAMMY, MARTY, TAYLOR, ELLIS, DALLAS, LAURENCE, DREW, JODY, FRANKIE, PAT, MERLE, TERRELL, DARNELL, TOMMIE, TOBY, VAN, COURTNEY, JAN, CARY, SANTOS, AUBREY, MORGAN, LOUIE, STACY, MICAH, BILLIE, LOGAN, DEMETRIUS, ROBBIE, KENDALL, ROY MICKEY, DEVON, ASHLEY, CAREY, FIGLIO, MARLIN, ALI, SAMMIE, MICHEL, RORY, KRIS, AVERY, ALEXIS, GERRY, STACEY,CARMEN, SHELBY, RICKIE, BOBBIE, OLLIE, DENNY, DION, ODELL, MARY, COLBY, HOLLIS, KIRBY, CRUZ, MERRILL, LANE, CLEO, BLAIR, NUMBERS, CLAIR, BERNIE, JOAN, DOMINIQUE, TRISTAN, JAME, GALE, LAVERNE, ALVA, STEVIE, ERIN, AUGUSTINE, YOUNG, JOHNIE, ARIEL, DUSTY, LINDSEY, TRACEY, SCOTTIE, SANDY, SYDNEY, GAIL, DORIAN, LAVERN, REFUGIO, IVORY, ANDREA, SANG, DEON, CAROL, YONG, BERRY, TRINIDAD, SHIRLEY, MARIA, CHANG, ROSARIO, DANNIE, FRANCES, THANH, CONNIE, TORY, LUPE, DEE, SUNG, CHI, QUINN, MINH, THEO, LOU, CHUNG, VALENTINE, JAMEY, WHITNEY, SOL, CHONG, PARIGI, OTHA, LACY, DONG, ANTONIA, KELLEY, CARROL, SHAYNE, VAL, JUDE, BRITT, HONG, LEIGH, GAYLE, JAE, NICKY, LESLEY, MAN, KASEY, JEWELL, PATRICIA, LAUREN, ELISHA, MICHAL, LINDSAY e JEWELCLAIR, BERNIE, JOAN, DOMINIQUE, TRISTAN, JAME, GALE, LAVERNE, ALVA, STEVIE, ERIN, AUGUSTINE, YOUNG, JOHNIE, ARIEL, DUSTY, LINDSEY, TRACEY, SCOTTIE, SANDY, SYDNEY, GAIL, DORIAN, LAVERN, REFUGIO, IVORY, ANDREA, SANG, DEON, CAROL, YONG, BERRY, TRINIDAD, SHIRLEY, MARIA, CHANG, ROSARIO, DANNIE, FRANCES, THANH, CONNIE, TORY, LUPE, DEE, SUNG, CHI, QUINN, MINH, THEO, LOU, CHUNG, VALENTINE, JAMEY, WHITNEY, SOL, CHONG, PARIS, OTHA, LACY, DONG, ANTONIA, KELLEY, CARROL, SHAYNE, VAL, JUDE, BRITT, HONG, LEIGH, GAYLE, JAE, NICKY, LESLEY, MAN, KASEY, JEWELL, PATRICIA, LAUREN, ELISHA, MICHAL, LINDSAY e JEWELCLAIR, BERNIE, JOAN, DOMINIQUE, TRISTAN, JAME, GALE, LAVERNE, ALVA, STEVIE, ERIN, AUGUSTINE, YOUNG, JOHNIE, ARIEL, DUSTY, LINDSEY, TRACEY, SCOTTIE, SANDY, SYDNEY, GAIL, DORIAN, LAVERN, REFUGIO, IVORY, ANDREA, SANG, DEON, CAROL, YONG, BERRY, TRINIDAD, SHIRLEY, MARIA, CHANG, ROSARIO, DANNIE, FRANCES, THANH, CONNIE, TORY, LUPE, DEE, SUNG, CHI, QUINN, MINH, THEO, LOU, CHUNG, VALENTINE, JAMEY, WHITNEY, SOL, CHONG, PARIS, OTHA, LACY, DONG, ANTONIA, KELLEY, CARROL, SHAYNE, VAL, JUDE, BRITT, HONG, LEIGH, GAYLE, JAE, NICKY, LESLEY, MAN, KASEY, JEWELL, PATRICIA, LAUREN, ELISHA, MICHAL, LINDSAY e JEWELMARIA, CHANG, ROSARIO, DANNIE, FRANCES, THANH, CONNIE, TORY, LUPE, DEE, SUNG, CHI, QUINN, MINH, THEO, LOU, CHUNG, VALENTINE, JAMEY, WHITNEY, SOL, CHONG, PARIS, OTHA, LACY, DONG, ANTONIA, KELLEY, CARROL, SHAYNE, VAL, JUDE, BRITT, HONG, LEIGH, GAYLE, JAE, NICKY, LESLEY, MAN, KASEY, JEWELL, PATRICIA, LAUREN, ELISHA, MICHAL, LINDSAY e JEWELMARIA, CHANG, ROSARIO, DANNIE, FRANCES, THANH, CONNIE, TORY, LUPE, DEE, SUNG, CHI, QUINN, MINH, THEO, LOU, CHUNG, VALENTINE, JAMEY, WHITNEY, SOL, CHONG, PARIS, OTHA, LACY, DONG, ANTONIA, KELLEY, CARROL, SHAYNE, VAL, JUDE, BRITT, HONG, LEIGH, GAYLE, JAE, NICKY, LESLEY, MAN, KASEY, JEWELL, PATRICIA, LAUREN, ELISHA, MICHAL, LINDSAY e JEWEL

sono tutti nomi che funzionano sia per maschi che per femmine. Se il nome di una ragazza è Robert e tutti, incluso il tuo software, continuano a chiamarla uomo, sarebbe piuttosto incazzata.

Sebbene i database siano probabilmente la soluzione più pratica, se vuoi divertirti potresti provare a scrivere una rete neurale (o usare una libreria di rete neurale) che prenda il nome e restituisca una di queste 3 opzioni (F, M, A ).

Puoi addestrarlo utilizzando i set di dati che esistono nei database suggeriti da altre risposte, così come con qualsiasi altro dato che hai.

Questa soluzione consentirebbe di gestire nomi non specificatamente classificati in precedenza e di gestire anche lingue diverse. Potresti anche voler passare la lingua (se la conosci) come input alla rete neurale.

Non so se posso dire che le reti neurali (o qualsiasi altro apprendimento automatico) farebbero un buon lavoro di categorizzazione.

Dipende dalla cultura / regione: prendi Andrea, per gli italiani è solo maschile, per la Svezia è un nome femminile mentre Andreas è per gli uomini; Shawn è ambiguo in inglese. Se una lingua ha una declinazione, come il latino o il russo, le lettere finali cambieranno in base alle regole grammaticali,

Un'altra fonte di ambiguità sono i cognomi identici ai nomi personali.

Secondo me è impossibile risolvere in generale.

L'idea chiaramente non funzionerà nella maggior parte delle lingue.

Tuttavia, se potessi dire in anticipo la nazionalità potresti avere più fortuna. Nella maggior parte delle lingue slave (es. Russo, polacco, bulgaro) potresti tranquillamente presumere che tutti i cognomi che finiscono con -va -cha -ska (-a in generale sono femminili) mentre -v -ch -shi sono maschili.

Infatti ogni cognome ha forma femminile e maschile a seconda del finale. Gli stessi nomi usati in altri paesi (es. USA) potrebbero però usare solo la forma maschile.

Lo stesso si potrebbe dire per i nomi (-a -ya sono femminili) ma non è accurato al 100%.

Ma in generale difficilmente otterresti una libreria sufficientemente accurata.

Non l'ho usato, ma IBM ha una libreria Global Name Analytics (a un prezzo!) Che sembra piuttosto completa.

La directory Z (su vettrasoft.com) ha una funzione in linguaggio C, funziona in questo modo:

void func()
{
    char c = z_guess_sex_byfirstname ("Lon");
    switch(c)
    {
    case 'M': std::cout << "It's a boy!\n"; break;
    case 'F': std::cout << "It's a girl!\n"; break;
    case 'B': std::cout << "this name is for both sexes\n"; break;
    case '?': std::cout << "sex unknown sorry\n"; break;
    }
}

è basato su database, la tabella ha qualcosa come 10.000+ nomi credo, ma è necessario scaricare e installare la directory z (include molti altri elementi topografici come paesi, punti di riferimento geografici, aeroporti, stati, prefissi, codici postali, ecc. insieme a funzioni e oggetti c ++ per accedere ai dati). Tuttavia i nomi sono molto orientati alla lingua inglese. La tabella è un work in progress e progressivamente aggiornato.

Le mappe nome-sesso possono funzionare, ma nei paesi multiculturali è più come indovinare. Posso farti un esempio: Marian in polacco è un tipico nome maschile, mentre lo stesso nome in Gran Bretagna è un nome femminile. Nell'era delle persone che immigrano in tutto il mondo, non sono sicuro che tale database sarebbe molto accurato. In bocca al lupo!

Alcune culture hanno nomi unisex, come il mio. Cosa fai allora? Penso che la risposta sia chiara e semplice - non dare per scontato - potresti offendere. Basta chiedere se è necessario, altrimenti la neutralità di genere.

Bene, non più. IBM ha brevettato quell'idea tempo fa.

Quindi, se stai cercando un qualsiasi livello di flessibilità (qualcosa di diverso da un elenco di nomi), dovrai (sussultare!) Chiedere all'utente, o semplicemente pagare IBM per i diritti :)

In ogni caso, tale rilevamento automatico è fastidioso per molte persone che hanno nomi ambigui di genere, o anche solo genitori. Non rendiamo tutto più difficile per loro.

Non è gratuito, ma questa è una bella libreria che ho usato prima:

NetGender per .NET ti consente di creare rapidamente e facilmente la verifica del nome, l'analisi e la determinazione del sesso nelle tue applicazioni personalizzate. Verificare accuratamente se un determinato campo contiene una persona o una società valida. NetGender utilizza un dizionario dei nomi di oltre 100.000 etnicamente diversificato in combinazione con un dizionario dei nomi di società di oltre 8.000 per garantire una determinazione precisa del sesso.

http://www.softwarecompany.com/dotnet/netgender.htm

È interessante che tu dica di avere la data di nascita. Questo potrebbe aiutare. Ho visto database di storie di popolarità dei nomi.

Nel film Splash (1984), era divertente che il personaggio di Darryl Hannah scelse il nome "Madison" da un cartello stradale di Madison Avenue, perché ovviamente "Madison" non è il nome di una ragazza.

24 anni dopo, Madison è il quarto nome più popolare per le bambine!

Cronologia dei nomi dal governo. (Guarda il triste declino di Mary negli ultimi 100 anni.)

Quando scrivevo alla Casa Bianca da bambino, Richard Nixon (o forse un segretario) mi ha risposto con alcune foto del luogo storico, indirizzate a "Miss Rhett Anderson". "Signorina Rhett?" Non ha nemmeno senso! Possiamo VERAMENTE non dire la differenza tra Rhett di Clark Gable (con i baffi, in Via col vento!) E Scarlett di Vivian Lee? Non lo perdonerò mai, nonostante l'assicurazione di Neil Young che "anche Richard Nixon ha un'anima".

Sono abbastanza sicuro che nessun servizio di questo tipo potrebbe esistere con un livello di accuratezza accettabile. Ecco i problemi che penso siano insormontabili:

• Ci sono molti nomi sia per uomini che per donne.
• Ci sono molti nomi diversi in questo mondo, anche se consideri un solo paese.
• C'è la questione "A Boy Named Sue", sollevata in modo così eloquente da Johnny Cash :-)

Dai un'occhiata a http://genderchecker.com/

Puoi dare un'occhiata al mio progetto di rilevamento del genere Python https://github.com/muatik/genderizer

Cerca di rilevare i sessi degli autori cercando i loro nomi e / o il testo di esempio (ad esempio tweet) di loro.

E supporta anche mongodb, memcached per le prestazioni.

Questo non è veramente un problema di programmazione: si tratta di ottenere una tabella delle probabilità.

AFAIK non ci sono database pubblici in forma distillata. Puoi crearlo dai dati del censimento o acquistare i dati da qualcuno.

Ad esempio, questo è qualcuno che vende la tabella delle probabilità per il Canada .

IMHO, è generalmente una cattiva idea determinare il sesso dal nome di un individuo. Molti nomi sono intersessuali (buon dolore, è anche solo una parola ?? :-), e possono anche essere un sesso in una cultura e un altro in un'altra.

Alcuni stupidi esempi, solo alcuni che mi sono venuti in mente (dalla mia parte del mondo, CE)

Vanja - femmina, nei paesi orientali da qui, principalmente maschio
Alex - intersessuale (abbreviazione di Sandra, femmina, e Sandro, maschio)
Robin - nelle culture occidentali, può essere entrambe le cose

In alcune parti del mondo, il sesso di una persona può essere determinato osservando come finisce il nome. Ad esempio, Marija, Sandra, Ivana, Petra, Sara, Lucija, Ana - puoi vedere che la maggior parte di questi nomi femminili finisce con "ja" o "ra". Ci sono anche altri esempi.

Tuttavia, penso che sia meglio chiedere all'utente di fare sesso.

Ho ricevuto questo dalla discussione di notizie di hacker su questo

Non conosco tale servizio. Tuttavia, puoi forse trovare i dati che stai cercando. Il governo degli Stati Uniti pubblica dati sulla prevalenza dei nomi e sul sesso della persona a cui sono legati. La Social Security Administration ha una pagina del genere , e il censimento può anche essere, ma non ho avuto il tempo di guardare. Forse altri governi mondiali fanno cose simili.

Tuttavia, non conosco alcun servizio del genere ..

• potresti iniziare con un elenco grezzo di nomi di persone o
• indovina il sesso secondo alcune regole (es. -o => maschio, -ela, -a => femmina)

In alcuni paesi (ad es. La Germania) il nome che una persona può essere data è limitato dalla legge - forse ci sono alcune pubblicazioni su questo argomento, che potrebbero essere raccolte (ma al momento non ne conosco nessuna).

Quello che farei è creare un hack che prenda il nome e lo cerchi contro l'API di Facebook. Quindi esamina gli utenti risultanti e conta quanti di loro sono donne o uomini. È quindi possibile restituire una percentuale. Non più così insormontabile. :)

Chiedi alle persone e se sono gentili ti daranno la loro 'M' o 'F', e se non lo sono allora dai loro una 'A'.