我有几百条推文可供我使用，我希望通过获取真实姓名并查看至少 2 条推文来将每个推特用户分类为男性和女性。我已经编程从他们的个人资料中获取每个人的真实姓名，我现在正在寻找对他们的推文文本进行分类，以尝试更强有力地确认用户是 M 还是 F。我已经查看并在线搜索了文本示例分类，但不太确定从哪里开始。我还在这个链接Twitter Text With Gender Download.找到了一些非常有用的数据 任何关于如何将推文文本分类为男性或女性撰写的建议将不胜感激！我有点碰壁了。
【问题讨论】：
标签： twitter machine-learning classification
genderComputer 是@Bogdan Vasilescu 的 Python 脚本，它试图从一个人的名字（主要是名字）和位置（国家）推断出一个人的性别。该工具将来自different countries 的信息与来自gender.c、an open source C program for name-based gender inference 的有关小词、l33t-speak 和数据的信息相结合。
【讨论】：
你可以看看我的python性别检测项目https://github.com/muatik/genderizer
它会尝试通过查看作者姓名和/或示例文本（例如推文）来检测作者的性别。
【讨论】：
您可能还想看看这个基于名字返回性别的 REST API：http://www.thomas-bayer.com/restnames/
【讨论】：
你需要一个训练集，这是一个显而易见的陈述。没有其他办法。正如您在上一个问题Using Naive Bayes Classification to Identity a Twitter User's Gender 中已经说明的那样，您可以手动创建它们，也可以以半监督方式创建它们，您可以使用外部规则（如那些真实姓名）创建训练集。
最简单的方法是使用现有的推文数据来训练带有性别标签的分类器，我建议： http://clic.cimec.unitn.it/amac/twitter_ngram/
其他资源： 博客性别：http://www.cs.uic.edu/~liub/FBS/blog-gender-dataset.rar
【讨论】：
我没有任何其他由男性或女性编写的 SURE 文本数据集来帮助训练分类器。
那么这对你来说是一个障碍。您需要使用这样的数据集执行监督学习，例如使用感知器学习器；或者您需要执行无监督学习，例如 k-means 聚类，并尝试找到您可以（有些随意地）声明为男性或女性信号的集群。在实践中，用无监督的方法区分性别几乎是不可能的，至少在没有其他现有信息、先验或可以构建的特征图的情况下。
【讨论】：