SWEAT：跨不同语料库的主题极化打分
计算与语言
2021-09-16 v1
摘要
理解语料库间观点差异是计算社会科学的一项基础任务。在本文中，我们提出切片词嵌入关联检验（Sliced Word Embedding Association Test, SWEAT），一种用于计算主题词集在两个分布表示间相对极化的新颖统计度量。为此，SWEAT使用另外两个被认为具有相反效价的词集来代表两个不同的极点。我们验证了我们的方法，并展示了一个案例研究以说明所引入度量的有用性。
引用
@article{arxiv.2109.07231,
title = {SWEAT: Scoring Polarization of Topics across Different Corpora},
author = {Federico Bianchi and Marco Marelli and Paolo Nicoli and Matteo Palmonari},
journal= {arXiv preprint arXiv:2109.07231},
year = {2021}
}
备注
Published as a conference paper at EMNLP2021