摘要(Abstract)：
为了实现利用神经网络模型对中文人名进行性别判断，提出一种利用感知机模型和多层感知机模型根据中文人名判断性别的方法；该方法依据中文人名用字的性别区分特征，将每个中文人名中的第1个字C1、第2个字C2、第1、2个字组合C1C2所对应的字向量、词向量作为输入，或将这些字向量、词向量进行不同组合拼接后作为输入，利用感知机模型和多层感知机模型分别对中文人名所属性别进行判断；在某中文人名语料库中进行实验，分别对比不同结构的网络模型，采用不同方法生成的字向量、词向量和依据不同字向量、词向量组合拼接进行中文人名性别判断的准确率。结果表明，使用神经元数目分别为64、128、1的3层感知机最佳模型结构，以中文人名语料训练字向量、词向量，采用C1、C2、C1-C2、C1-C1C2、C2-C1C2、C1-C2-C1C2构成的字向量、词向量组合判断中文人名性别的平均准确率分别为71.20%、86.95%、88.87%、87.48%、91.16%、90.77%；采用多层感知机模型进行中文人名性别判断时，选择适当的层数和神经元数目能显著提高判断准确率。
关键词(KeyWords)：多层感知机; 中文人名; 性别判断; 字向量; 词向量
基金项目(Foundation):国家自然科学基金项目(62076167); 国家科技重大专项(科技创新 2030 重大项目)(2020AAA0109700); 智能科学与技术河南省重点学科(教研[2023]414 号);河南省高等学校重点科研项目(25B520030);河南省高等教育教学改革研究与实践
重点项目(2024SJGLX0206)。
作者(Author):于江德，王国政，刘杰
DOI:10.13349/j.cnki.jdxbn.20260423.001
参考文献(References)：
[1] 张晓, 管林玉. 基于 MLP 的伪装语音说话人性别鉴定[J]. 计算机科学, 2024, 51(11A): 240400021-4.
[2] 邓梦娇, 徐新, 马盈盈, 等. 多层感知机结合辐射传输模型的复杂陆地表面云检测[J]. 电子学报, 2022, 50(4): 932.
[3] 张毅锋, 蒋程, 程旭, 等. 基于基完备化理论和嵌入多层感知机的深度网络结构设计[J]. 东南大学学报(自然科学版),2018, 48(5): 933.
[4] 樊海玮, 史双, 张博敏, 等. 基于 MLP 改进型深度神经网络学习资源推荐算法[J]. 计算机应用研究, 2020, 37(9): 2629.
[5] 冯岭, 谢世博, 刘斌. 基于多层感知机的技术创新人才发现方法[J]. 计算机应用与软件, 2019, 36(7): 26.
[6] 郑淑花. 汉语人名用字的统计分析[J]. 皖西学院学报,2010, 26(1): 113.
[7] 李益德, 李学杰. 汉语人名用字管窥[J]. 周口师范学院学报, 2005, 22(1):114.
[8] 侯一麟. 汉语人名音、意、字说略: 兼谈人名美三要素[J]. 清华大学学报(哲学社会科学版), 1995, 10(1): 84.
[9] 段新和. 论文化角度下汉语人名的修辞意蕴[J]. 湖北工业大学学报, 2009, 24(6): 115.
[10] 于江德, 赵红丹, 郑勃举, 等. 基于中文人名用字特征的性别判定方法[J]. 山东大学学报(工学版), 2014, 44(1): 13.
[11] 钱进. 姓名用字的性别差异统计分析[J]. 常州工学院学报,2004, 17(5): 60.
