Определение пола по фио на python

#алгоритм #python_3x

Подскажите, пожалуйста, алгоритм определения пола по ФИО. Может есть на питоне какие-то
решения? Я пробовал: 1-по окончаниям;
2-с помощью pymorphy разбивал ФИО на слова и определял род каждого слова.
Есть еще какие-нить библиотеки или может алгоритм? ФИО могут быть не только русские.
    

Ответы

Ответ 1

Мой вариант - это пробегаться по базе данных и спрашивать есть ли совпадения:

Сначала достанем базу данных на этом сайте

В левом окне в шаге 3 выберем Russian (Cyrillic) - в правом я выбираю United States,
для генерации укажем только интересующие нас поля: Gender, Given Name и Surname, саму
базу сделаем самой большой: 50000

Также давайте закажем для генерации базу и для английских имён по аналогии.

Процесс не быстрый, так что можно пойти заварить чаёк и выкурить сигаретку. Как придём,
нам придёт 2 письма со ссылками на скачивание наших БД.

Напишем код:

import pandas as pd

dfru = pd.read_csv('FNru.csv')
dfen = pd.read_csv('FNen.csv')

# создадим сеты, чтобы не бегать по одному и тому же item'у

rumalenames = set(dfru[dfru['Gender'] == 'male']['GivenName'])
rumalesurnames = set(dfru[dfru['Gender'] == 'male']['Surname'])

rufemalenames = set(dfru[dfru['Gender'] == 'female']['GivenName'])
rufemalesurnames = set(dfru[dfru['Gender'] == 'female']['Surname'])

enmalenames = set(dfen[dfen['Gender'] == 'male']['GivenName'])
enmalesurnames = set(dfen[dfen['Gender'] == 'male']['Surname'])

enfemalenames = set(dfen[dfen['Gender'] == 'female']['GivenName'])
enfemalesurnames = set(dfen[dfen['Gender'] == 'female']['Surname'])

name = input('Name: ')
surname = input('Surname: ')

if name in rumalenames and surname in rumalesurnames:
    print(name, surname, 'is male')

elif name in rufemalenames and surname in rufemalesurnames:
    print(name, surname, 'is female')

elif name in enmalenames and surname in enmalesurnames:
    print(name, surname, 'is male')

elif name in enfemalenames and surname in enfemalesurnames:
    print(name, surname, 'is female')

else:
    print('Unkown data')


Давайте протестируем что у нас получилось на нескольких входных данных:

# Name: Никита
# Surname: Токарев
# Никита Токарев is male

# Name: Ольга
# Surname: Соколова
# Ольга Соколова is female

# Name: Жанна
# Surname: Токарева
# Жанна Токарева is female

# Name: Carolina
# Surname: Thompson
# Carolina Thompson is female

# Name: Mark
# Surname: Watson
# Mark Watson is male

# Но решение не идеально, конечно
# Требуется либо очень много данных, либо очень хорошая БД
# И то не факт, что все имена будут включены

# Name: Олег
# Surname: Волоков
# Unkown data

# Name: Ashley
# Surname: Roth
# Unknown data


Ответ 2

Также для определения пола по фио можно использовать нейронную сеть. Пример можно
взять здесь: https://github.com/Rai220/MlSexDetector

Пример работы:

Input name: Владимир Путин
Sex:  М
[[  4.24729733e-05   9.96808589e-01   3.14901001e-03]]
Input name: Любовь Петрова
Sex:  Ж
[[  3.94746803e-06   7.50368787e-03   9.92492378e-01]]
Input name: Полад Бюльбюль оглы
Sex:  М
[[ 0.00102036  0.97395748  0.0250222 ]]
Input name: Кто Где
Sex:  unknown
[[  9.99970675e-01   2.07114244e-05   8.59489865e-06]]


Ответ 3

Можно воспользоваться pymorphy2 для определения пола по имени:

name_list = ['Константин', 'Виктор', 'Любовь', 'Дамир', 'Венера', 'Таисия', 
             'Алёна', 'Евгений', 'Егор', 'Никита']

# pip install pymorphy2
import pymorphy2
morph = pymorphy2.MorphAnalyzer()

for name in name_list:
    parsed_word = morph.parse(name)[0]
    print('{:<15} {}'.format(name, parsed_word.tag.gender))


Результат:

Константин      masc
Виктор          masc
Любовь          femn
Дамир           masc
Венера          femn
Таисия          femn
Алёна           femn
Евгений         masc
Егор            masc
Никита          masc




PS. У некоторых имен есть ё (например, Алёна), которая часто заменяется на е, поэтому
такие имена может библиотека неправильно определить. Например, скажет что Алена это
мужского пола.

PPS. Метод morph.parse возвращает список, т.к. у одного слова может выдать несколько
вариантов разбора. Например, для Алена мне выдало несколько вариантов, и один из них
был Алена, другой Алёна. Поэтому для своего скрипта я добавлял проверку с заменой е -> ё.