최근 개인화된 추천 시스템과 같이 성별 정보를 필요로 하는 서비스가 증가함에 따라 사용자의 성별 예측은 주요 연구 주제로 각광받고 있다. 이미지, 동영상, 센서 등 다양한 데이터를 기반으로 성별 예측이 이루어지고 있으며, 이 중 SNS나 블로그의 글을 토대로 저자의 성별을 알아 낼 수 있다. 이때, 문서에서 추출된 요인의 종류에 따라 예측 성능이 달라진다고 알려져 있다. 따라서 본 연구에서는 기존 문서 기반 성별 예측 연구에서 사용된 요인의 종류 및 추출 방법론을 정리하고 이들의 한글 문서에의 적용 가능성을 살펴본다. 약 40종류 이상의 요인들이 정리되었으며, 이들 중 한글 문서에 적용 가능한 요인들을 선정하여 한글 블로그 문서에서 추출하였다. 이렇게 추출된 요인을 이용하여 성별 예측 실험을 수행하였으며 실험을 통해 열린 사전 요인과 의미 요인이 성별 예측에 유의미하다는 결론을 내릴 수 있었다.

As gender information is required in diverse domains, gender prediction becomes an important research issue. Among gender pre-diction using various data types including image, video, and sensor data, gender prediction using text documents makes it possible to predict gender of users in social network or blog services using documents written by them. Gender prediction performance is closely related to the features extracted from documents and used for prediction. In this regard, we introduce feature extraction methods adopt-ed in previous gender prediction studies using text documents and investigate their application to a Korean corpus. We categorized the features into more than 40 types. Some of them, which can be applied to Korean corpus, were utilized for gender prediction using Ko-rean blog corpus. From the experiment, it can be concluded open dictionary features outperformed other lexical features and sematic feature is most effective for gender prediction.