이름을 통한 인식된 성별 추론은 포용적인 과학 계량학(scientometrics) 연구에 중요하지만, 기존 방법들은 비서구 학자들에게는 성능이 저조합니다. 우리는 이 격차를 해결하기 위해 중국 이름에 초점을 맞춥니다. 중국 이름은 한자(Hanzi)와 로마자 표기 형태인 병음(Pinyin) 두 가지 형태로 나타납니다 (예: Zhang Wei, Li Na). 국제적인 서지 기록에서는 이름이 종종 병음으로만 제공됩니다. 그러나 단일 병음 이름은 서로 다른 성별 연관성을 가진 여러 개의 고유한 한자 문자에 대응할 수 있으므로, 병음만으로는 성별 추론 자체가 본질적으로 모호합니다. 이를 해결하기 위해, 우리는 먼저 두 가지 한자 모델을 개발했습니다. 하나는 0(남성)부터 1(여성)까지의 연속적인 성별 점수를 산출하는 회귀 모델이며, 다른 하나는 세 가지 레이블( extit{male}, extit{neutral}, extit{female}) 중 하나를 출력하는 분류 모델입니다. 우리는 중국어권 물리학 논문에서 가져온 한자 이름 샘플을 11명의 중국어 원어민이 평가한 데이터를 사용하여 이 모델들을 훈련시켰습니다. 이 샘플에서, 두 모델은 회귀(regression)의 경우 $0.09$의 RMSE와 $0.85$의 R$^2$를 달성했으며, 분류(classification)의 경우 $0.97$의 macro-AUC와 $0.81$의 Cohen's $\kappa$를 달성하여, 클래스 불균형에 강건한 높은 성능을 입증했습니다. 병음 이름의 경우, 우리는 음역(transliteration)과 빈도 가중치(frequency weighting)를 통해 한자 예측값을 집계하고, 병음만으로는 성별을 해결할 수 없는 이름을 표시하는 모호성 점수(ambiguity score)와 결합한 파이프라인을 제안합니다. Namsor, GPT, Claude의 세 가지 상용 도구들과 벤치마크를 수행한 결과, 우리의 모델들은 성별 점수와 성별 레이블 모두에서 인간 주석과 가장 높은 일치도를 달성했으며, 이는 두 스크립트(hanzi 및 pinyin) 모두에 해당합니다. APS 저널의 독립적인 중국 이름 작가 샘플에 적용했을 때, 우리의 모델들은 모든 이름에 성별을 할당하는 반면, 기존 병음 기반 방법들은 20%에서 100% 사이의 이름을 분류하지 못했습니다. 이러한 발견은 신뢰할 수 있는 중국 이름의 성별 추론을 위해 한자 수준의 정보가 중요하다는 것을 입증합니다. 코드와 데이터는 공개적으로 이용 가능합니다.