77、创建扩展的推特用户性别标注数据集及时间序列高频抑制研究

创建扩展的推特用户性别标注数据集及时间序列高频抑制研究

在数据处理和分析领域，创建高质量的数据集以及对时间序列数据进行有效处理是非常重要的任务。本文将介绍如何创建扩展的推特用户性别标注数据集，以及如何利用高阶模糊变换抑制时间序列中的高频成分。

创建扩展的推特用户性别标注数据集

为了进一步增强数据集，研究人员为每个用户添加了两个新特征的信息：从个人资料图片中识别性别，以及基于最后已知位置的详细地理信息。

基于个人资料图片的性别识别

以往的工作中未报道过使用从个人资料图片中提取的性别属性。但个人资料图片可能包含关于用户性别的线索。研究使用了公开可用的面部识别 API Face++ 来分析用户的个人资料图片。通过其 API 提取性别和相应的置信度，并将结果信息存储在数据集中。调用 API 时使用从每个用户最后存储的推文中提取的个人资料图片 URL。

不过，这种方法存在一些局限性：
- 数据集包含 2014 年以来的数据，部分用户在此期间更改了个人资料图片。
- 部分图片中没有人脸。
- Face++ 有时无法正确检测图片中的人脸。

以下是 Face++ 应用于猜测用户性别时涉及的用户数量统计：
| 语言 | 图片不可用 | 无面部检测 | 男性 | 女性 |
| — | — | — | — | — |
| 英语 | 31076 (54%) | 9777 (17%) | 9156 (16%) | 7857 (14%) |
| 葡萄牙语 | 28605 (44%) | 12995 (20%) | 10805 (17%) | 12649 (19%) |