根据姓名判断性别-人工智能

本帖训练一个可以根据姓名判断性别的CNN模型；我使用自己爬取的35万中文姓名进行训练。

使用同样的数据集还可以训练起名字模型，参看：

• TensorFlow练习7: 基于RNN生成古诗词
• https://github.com/tensorflow/models/tree/master/namignizer
• TensorFlow练习13: 制作一个简单的聊天机器人

准备姓名数据集

我上网找了一下，并没有找到现成的中文姓名数据集，额，看来只能自己动手了。

我写了一个简单的Python脚本，爬取了上万中文姓名，格式整理如下：

[python] 

view plain copy

1. 姓名,性别  
2. 安镶怡,女  
3. 饶黎明,男  
4. 段焙曦,男  
5. 苗芯萌,男  
6. 覃慧藐,女  
7. 芦玥微,女  
8. 苏佳琬,女  
9. 王旎溪,女  
10. 彭琛朗,男  
11. 李昊,男  
12. 利欣怡,女  
13. # 貌似有很多名字男女通用  

数据集:https://pan.baidu.com/s/1hsHTEU4。

训练模型

1. import tensorflow as tf  
2. import numpy as np  
3. name_dataset = 'name.csv'  
4. train_x = []  
5. train_y = []  
6. with open(name_dataset, 'r') as f:  
7.     first_line = True  
8.     for line in f:  
9.         if first_line is True:  
10.             first_line = False  
11.             continue  
12.         sample = line.strip().split(',')  
13.         if len(sample) == 2:  
14.             train_x.append(sample[0])  
15.             if sample[1] == '男':  
16.                 train_y.append([0, 1])  # 男  
17.             else:  
18.                 train_y.append([1, 0])  # 女  
19. max_name_length = max([len(name) for name in train_x])  
20. print("最长名字的字符数: ", max_name_length)  
21. max_name_length = 8  
22. # 数据已shuffle  
23. #shuffle_indices = np.random.permutation(np.arange(len(train_y)))  
24. #train_x = train_x[shuffle_indices]  
25. #train_y = train_y[shuffle_indices]  
26. # 词汇表（参看聊天机器人练习）  
27. counter = 0  
28. vocabulary = {}  
29. for name in train_x:  
30.     counter += 1  
31.     tokens = [word for word in name]  
32.     for word in tokens:  
33.         if word in vocabulary:  
34.             vocabulary[word] += 1  
35.         else:  
36.             vocabulary[word] = 1  
37. vocabulary_list = [' '] + sorted(vocabulary, key=vocabulary.get, reverse=True)  
38. print(len(vocabulary_list))  
39. # 字符串转为向量形式  
40. vocab = dict([(x, y) for (y, x) in enumerate(vocabulary_list)])  
41. train_x_vec = []  
43.     name_vec = []  
44.     for word in name:  
45.         name_vec.append(vocab.get(word))  
46.     while len(name_vec) < max_name_length:  
47.         name_vec.append(0)  
48.     train_x_vec.append(name_vec)  
49. #######################################################  
50. input_size = max_name_length  
51. num_classes = 2  
52. batch_size = 64  
53. num_batch = len(train_x_vec) // batch_size  
54. X = tf.placeholder(tf.int32, [None, input_size])  
55. Y = tf.placeholder(tf.float32, [None, num_classes])  
56. dropout_keep_prob = tf.placeholder(tf.float32)  
57. def neural_network(vocabulary_size, embedding_size=128, num_filters=128):  
58.     # embedding layer  
59.     with tf.device('/cpu:0'), tf.name_scope("embedding"):  
60.         W = tf.Variable(tf.random_uniform([vocabulary_size, embedding_size], -1.0, 1.0))  
61.         embedded_chars = tf.nn.embedding_lookup(W, X)  
62.         embedded_chars_expanded = tf.expand_dims(embedded_chars, -1)  
63.     # convolution + maxpool layer  
64.     filter_sizes = [3,4,5]  
65.     pooled_outputs = []  
66.     for i, filter_size in enumerate(filter_sizes):  
67.         with tf.name_scope("conv-maxpool-%s" % filter_size):  
68.             filter_shape = [filter_size, embedding_size, 1, num_filters]  
69.             W = tf.Variable(tf.truncated_normal(filter_shape, stddev=0.1))  
70.             b = tf.Variable(tf.constant(0.1, shape=[num_filters]))  
71.             conv = tf.nn.conv2d(embedded_chars_expanded, W, strides=[1, 1, 1, 1], padding="VALID")  
72.             h = tf.nn.relu(tf.nn.bias_add(conv, b))  
73.             pooled = tf.nn.max_pool(h, ksize=[1, input_size - filter_size + 1, 1, 1], strides=[1, 1, 1, 1], padding='VALID')  
74.             pooled_outputs.append(pooled)  
75.     num_filters_total = num_filters * len(filter_sizes)  
76.     h_pool = tf.concat(3, pooled_outputs)  
77.     h_pool_flat = tf.reshape(h_pool, [-1, num_filters_total])  
78.     # dropout  
79.     with tf.name_scope("dropout"):  
80.         h_drop = tf.nn.dropout(h_pool_flat, dropout_keep_prob)  
81.     # output  
82.     with tf.name_scope("output"):  
83.         W = tf.get_variable("W", shape=[num_filters_total, num_classes], initializer=tf.contrib.layers.xavier_initializer())  
84.         b = tf.Variable(tf.constant(0.1, shape=[num_classes]))  
85.         output = tf.nn.xw_plus_b(h_drop, W, b)  
86.     return output  
87. # 训练  
88. def train_neural_network():  
89.     output = neural_network(len(vocabulary_list))  
90.     optimizer = tf.train.AdamOptimizer(1e-3)  
91.     loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(output, Y))  
92.     grads_and_vars = optimizer.compute_gradients(loss)  
93.     train_op = optimizer.apply_gradients(grads_and_vars)  
94.     saver = tf.train.Saver(tf.global_variables())  
95.     with tf.Session() as sess:  
96.         sess.run(tf.global_variables_initializer())  
97.         for e in range(201):  
98.             for i in range(num_batch):  
99.                 batch_x = train_x_vec[i*batch_size : (i+1)*batch_size]  
100.                 batch_y = train_y[i*batch_size : (i+1)*batch_size]  
101.                 _, loss_ = sess.run([train_op, loss], feed_dict={X:batch_x, Y:batch_y, dropout_keep_prob:0.5})  
102.                 print(e, i, loss_)  
103.             # 保存模型  
104.             if e % 50 == 0:  
105.                 saver.save(sess, "name2sex.model", global_step=e)  
106. train_neural_network()  
107. # 使用训练的模型  
108. def detect_sex(name_list):  
109.     x = []  
110.     for name in name_list:  
111.         name_vec = []  
112.         for word in name:  
113.             name_vec.append(vocab.get(word))  
114.         while len(name_vec) < max_name_length:  
115.             name_vec.append(0)  
116.         x.append(name_vec)  
120.         # 恢复前一次训练  
121.         ckpt = tf.train.get_checkpoint_state('.')  
122.         if ckpt != None:  
123.             print(ckpt.model_checkpoint_path)  
124.             saver.restore(sess, ckpt.model_checkpoint_path)  
126.             print("没找到模型")  
127.         predictions = tf.argmax(output, 1)  
128.         res = sess.run(predictions, {X:x, dropout_keep_prob:1.0})  
129.         i = 0  
130.         for name in name_list:  
131.             print(name, '女' if res[i] == 0 else '男')  
132.             i += 1  
133. detect_sex(["白富美", "高帅富", "王婷婷", "田野"])  

执行结果：

本文已获原作者授权转载，附上链接： http://blog.csdn.net/u014365862/article/details/53869732