Name
stringlengths 2
29
| Gender
int64 0
1
|
---|---|
সবুজ হোসাইন | 0 |
চঞ্চলা | 1 |
গানেম | 0 |
জালাল | 0 |
আকবার | 0 |
আসমা সাহানা | 1 |
সাগরিকা | 1 |
আতিয়া আফিফা | 1 |
সাহা | 1 |
আরিফ জামাল | 0 |
আজরা আনতারা কুমারী বীরাঙ্গনা | 1 |
শহীদুল জহির | 0 |
শূভ্রা | 1 |
মেহেদি হাসান | 0 |
রাগীব নাদিম | 0 |
আনতারা খালিদা | 1 |
মাকিল | 0 |
চান্দী | 1 |
রফিকুল ইসলাম | 0 |
মতি নন্দী | 0 |
জাদওয়াহ | 1 |
মুকুন্দ দাস | 0 |
আবেদ চৌধুরী | 0 |
শিহাব | 0 |
রাকিবুল হাসান | 0 |
আসমা হোমায়রা | 1 |
ফাজেলা | 1 |
শান্তা | 1 |
ঊষা | 1 |
ইয়ানা | 1 |
তাবিয়া | 1 |
আনিসা গওহর | 1 |
মামদুহ | 0 |
আনতারা সামিহা | 1 |
সহেলি | 1 |
কামরুন | 1 |
রশীদ হাসান | 0 |
কায়কোবাদ | 0 |
নাফিউল | 0 |
জাব্বার | 0 |
এধা | 1 |
নাসির | 0 |
খন্দকার মনোয়ার হোসেন | 0 |
দীপালি | 1 |
আওফ | 0 |
সাজেদর রহমান | 0 |
সাকিব সালিম | 0 |
আরমানী | 1 |
মনিরা খাতুন | 1 |
আরশাদুল হক | 0 |
সাকেরা | 1 |
আতকিয়া ফাইরুজ | 1 |
নাহলা | 1 |
বরষা | 1 |
তাযকিয়া | 1 |
আছরা মাহমুদ | 0 |
মোহাম্মদ মনিরুজ্জামান মিয়া | 0 |
পারু | 1 |
মতিউর | 0 |
গিতা | 1 |
আনিস | 0 |
সামিউল হক | 0 |
আবদুল করিম শাহ | 0 |
বিজয়া | 1 |
তানভীর | 0 |
তামান্না | 1 |
সাদ্দাম হোসেন | 0 |
আফিয়া জাহিন | 1 |
রাগীব মাহতাব | 0 |
জয়ন্তী | 1 |
মহেন্দ্রনাথ গুপ্ত | 0 |
রীমা | 1 |
মেহেক | 1 |
আতিক মোসাদ্দিক | 0 |
আদীবা | 1 |
সুস্মিতা | 1 |
অদ্বিতা | 1 |
সোহেল | 0 |
অন্নদাচরণ খাস্তগীর | 0 |
আব্দুর রউফ | 0 |
রাফা | 1 |
কাজী আনিস আহমেদ | 0 |
মোজাম্মেল হোসেন মিন্টু | 0 |
আমরুশা | 1 |
মোবাশ্বের আলী | 0 |
অরুনিমা | 1 |
ইমতিয়াজ | 0 |
আসাদ বিন হাফিজ | 0 |
তাসনিয়া | 1 |
বনসারি | 1 |
আকলিমা | 1 |
ইমরান | 0 |
বিন্দু | 1 |
সালমা আনজুম | 1 |
সোহা | 1 |
আমানুল্লাহ | 0 |
জুলি | 1 |
নির্মলা | 1 |
হাসান আজিজুল হক | 0 |
আসলাম | 0 |
Bengali Female VS Male Names Dataset
An NLP dataset that contains 2030 data samples of Bengali names and corresponding gender both for female and male. This is a very small and simple toy dataset that can be used by NLP starters to practice sequence classification problem and other NLP problems like gender recognition from names.
Background
In Bengali language, name of a person is dependent largely on their gender. Normally, name of a female ends with certain type of suffix "A", "I", "EE" ["আ", "ই", "ঈ"]. And the names of male are significantly different from female in terms of phoneme patterns and ending suffix. So, In my observation there is a significant possibility that these difference in patterns can be used for gender classification based on names.
Find the full documentation here: Documentation and dataset specifications
Dataset Format
The dataset is in CSV format. There are two columns- namely
- Name
- Gender
Each row has two attributes. First one is name, second one is the gender. The name attribute is in utf-8
encoding. And the second attribute i.e. the gender attribute has been signified by 0 and 1 as
male | 0 |
female | 1 |
Dataset Statistics
The number of samples per class is as bellow-
male | 1029 |
female | 1001 |
Possible Use Cases
- Sequence Classification using RNN, LSTM etc
- Sequence modeling using other type of machine learning algorithms
- Gender recognition based on names
Disclaimer
The names were collected from internet using different sources like wikipedia, baby name suggestion websites, blogs etc. If someones name is in the dataset, that is totally unintentional.
- Downloads last month
- 1