Comparaison et évaluation des services d'inférence de genre à partir de noms

L'intérêt croissant pour l'analyse et l'explication des inégalités de genre dans les technologies, les médias et le milieu académique met en évidence la nécessité de méthodes d'inférence précises pour prédire le genre d'une personne à partir de son nom. Plusieurs de ces services existent et fournissent un accès à de grandes bases de données de noms, souvent enrichies d'informations provenant de profils de médias sociaux, de règles spécifiques à certaines cultures et d'aperçus issus de la sociolinguistique. Nous comparons et évaluons cinq services d'inférence de genre à partir de noms en les appliquant à la classification d'un ensemble de données test composé de 7 076 noms étiquetés manuellement. Les noms compilés sont analysés et caractérisés selon leur origine géographique et culturelle. Nous définissons une série d'indicateurs de performance pour quantifier divers types d'erreurs de classification et élaborons une procédure d'ajustement des paramètres pour rechercher des valeurs optimales des paramètres libres des services. Enfin, nous effectuons des évaluations de tous les services étudiés dans divers scénarios où un indicateur particulier doit être optimisé.