임베딩 모델을 활용한 확률적 인종 예측 개선

요약

본 논문은 민감성 문제로 인해 개인 수준의 인종 데이터가 부족한 상황에서, 기존의 베이즈 개선 성씨 지리코딩(BISG) 방법론의 한계를 극복하는 새로운 접근법을 제안합니다. 연구진은 사전 학습된 텍스트 임베딩을 활용하여 이름 데이터를 밀집 벡터로 표현하고, 이를 기반으로 신경망을 훈련시킨 '임베딩 기반 BISG(eBISG)'를 개발했습니다. 이 eBISG는 특히 인구조사 목록에 포함되지 않은 비일반적인 성씨나 이름을 가진 개인의 인종 예측 성능을 크게 향상시키며, 전체 이름 임베딩이 가장 효과적임을 입증했습니다.

핵심 포인트

• 기존 BISG 방법은 일반적인 성씨 데이터에만 의존하여 인구조사 목록 외의 비일반적인 성씨를 가진 사람들의 예측 정확도가 낮았습니다.
• 제안된 eBISG는 사전 학습된 텍스트 임베딩을 사용하여 이름 데이터를 벡터화하고, 이를 통해 누락되거나 비표준적인 이름을 처리할 수 있습니다.
• eBISG 접근법은 특히 히스패닉 및 아시아 유권자처럼 인구조사 목록에 없는 성씨를 가진 그룹의 인종 예측 성능을 크게 개선합니다.
• 다섯 가지 비교 접근법 중, 남부 주 유권자 파일 데이터로 훈련된 '전체 이름 임베딩'이 가장 높은 예측 정확도 향상을 보였습니다.