根据名称对用户性别进行分类的最佳方法是什么？ [关闭]

Question

如果你查看我的github，我已经成功实现了 CNN、KNN 用于对信号故障进行分类。为此，我采用了几乎没有进行降维预处理的信号并将其提供给网络，使用它的类信息我训练了网络，然后用测试样本对训练后的网络进行测试以确定类并计算准确性。

我的问题是如何将文本信息输入到 CNN 或任何其他网络。对于输入，我从 kaggle 获取 Twitter 数据库，我选择了 2 个包含名称和性别信息的列。我已经完成了一些算法，这些算法根据他们的博客数据对性别进行分类。我不清楚我是如何对我的数据实施的（就我而言，如果我只想仅使用名称进行分类）。

在一些示例中，我知道我看到为文本计算稀疏矩阵，但是对于 20,000 个样本，稀疏矩阵作为输入是巨大的。我在实现 CNN 架构（我想实现，因为不需要功能）或任何其他网络方面没有问题。我被困在这里，如何将数据输入网络。我可以进行什么样的对话，以便我获取姓名和性别信息可以考虑训练网络？

如果我的思维方法是错误的，请给我建议哪种算法是最好的方法。深度学习或其他任何方法都可以！

Answer 1

您可以使用字符级嵌入（即您的输入类是不同的字符，因此“a”是 1 类，“b”是 2 类等等）。 One-hot 对类进行编码，然后将它们通过嵌入层将产生每个字符的唯一表示。然后可以将字符串视为字符序列（或同样是向量序列），可以将其用作循环或卷积网络的输入。如果您想阅读，请参阅 Kim 等人的 paper。将为您提供所有必要的理论基础。