Paper review [Improving gender classification of blog authors]

Improving gender classification of blog authors 

论文提出了两种技术改善了微博作者性别分类的准确率：1、通过对训练数据使用序列模式识别算法得到一个新的特征（variable length POS patterns）；2、特征集成（feature selection criteria and approach）；

文中指出了先前一些能辨别Post是男或女发表的特征，如F-measure（它主要基于文本中词性的频率；F值越大，表明句子主要由名字、形容词、介词、冠词构成；F值越小，表明句子主要由代词、动词、副词、感叹词构成）；Stylistic Features（主要反映人们书写风格）；Gender preferential Features（用词方法）；Factor analysis and word classes（对词聚类，每个Factor里有与之对应的词）