arXiv cs.CL· Noah Dasanaike, Kosuke Imai·· 11 小时前AI 评分18
用嵌入模型改进概率性种族预测：eBISG 方法
Using Embedding Models to Improve Probabilistic Race Prediction
AI 导读
研究者提出 embedding-powered BISG（eBISG），用预训练文本嵌入将姓名表示为稠密向量，并在 2020 Census 姓氏与名字数据上训练神经网络，为 Census 未覆盖的姓名估计种族概率。
正文 · AI 翻译
摘要：估计种族差异需要个人层面的种族数据，而由于收集此类信息的敏感性，这些数据往往无法获得。为解决这一问题，许多研究人员利用贝叶斯改进姓氏地理编码（BISG），该方法严重依赖人口普查姓氏数据。遗憾的是，这些数据仅能捕捉常见姓氏的种族-姓氏关系，遗漏了约 10% 的美国人口。我们表明，对于拥有此类被遗漏的罕见姓氏的个体，预测性能会大幅下降，因为标准 BISG 实现在这些情况下依赖于无信息量的通用先验。为解决这一局限，我们提出基于嵌入的 BISG（eBISG），它使用预训练文本嵌入将姓名表示为稠密向量，并在 2020 年人口普查姓氏和名字数据上训练神经网络，以估计人口普查未覆盖姓名的种族概率。我们比较了五种方法：仅使用姓氏的标准 BISG、纳入名字概率的 BIFSG、针对未列出姓名的姓氏嵌入、结合两者的姓氏和名字嵌入，以及在来自南部各州选民档案数据上训练的、捕捉姓名各组成部分之间交互的全名嵌入。我们表明，每一种后续的 eBISG 方法都能改善种族预测，其中全名嵌入带来的提升最大，尤其是对于姓氏未出现在人口普查列表中的西班牙裔和亚裔选民。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2604.22555 [cs.CL] |
| （或 arXiv:2604.22555v3 [cs.CL] 为本版本） | |
| https://doi.org/10.48550/arXiv.2604.22555 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Noah Dasanaike [查看邮箱]
[v1]
2026年4月24日星期五 13:49:49 UTC（616 KB）
[v2]
2026年4月28日星期二 01:47:04 UTC（616 KB）
[v3]
2026年10月19日星期一 22:36:57 UTC（619 KB）
来源：arXiv cs.CL · arxiv.org