跳到正文
热点事件持续更新

研究者提出eBISG改进姓名种族预测

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Noah Dasanaike 与 Kosuke Imai 提出 embedding-powered BISG(eBISG)方法,用预训练文本嵌入把姓名表示为稠密向量,并在 2020 年人口普查的姓氏与名字数据上训练神经网络,为人口普查未覆盖的姓名估计种族概率。 该方法针对的是原有 BISG 在普查未收录姓名上的局限;按作者说法,eBISG 旨在补上这部分姓名的种族概率估计。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月21日
  1. arXiv cs.CL
    用嵌入模型改进概率性种族预测:eBISG 方法

    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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。