オープンソースからの名前-民族分類

名前からの民族識別の問題は、生物医学研究、人口統計研究、マーケティングなどのさまざまな重要な応用があります。ここでは、すべてのトレーニングデータが公的で非機密（したがって多少信頼性に欠ける）ソースから抽出された民族分類器の開発について報告します。私たちの分類器は隠れマルコフモデル（HMM）と決定木を使用して、名前を13の文化的/民族グループに分類します。それぞれのグループの精度は、以前の二項分類器（例えば、スペイン系/非スペイン系）と同程度の精度です。この分類器を大規模なニュースコーパスからの2000万以上の名前に適用し、特定の文化的/民族グループの表現に関する興味深い時間的・空間的傾向を特定しました。