文化的几何学：通过词嵌入分析意义
计算与语言
2019-11-13 v1
摘要
我们展示了一种新方法论工具——神经网络词嵌入模型——在大规模文本分析中的效用，揭示了这些模型如何比以往方法更深入地洞察文化关联与类别。词嵌入将词之间的语义关系表示为高维空间中向量间的几何关系，从而将意义的关系模型操作化，这与当代认同与文化理论相一致。我们表明，由词差异（例如 man - woman、rich - poor、black - white、liberal - conservative）在这些向量空间中诱导出的维度与文化意义维度密切相关，且与问卷调查反馈和标注的历史数据相比，将词投影到这些维度上反映了广泛共享的文化内涵。我们试点了一种测试这些关联稳定性的方法，随后展示了词嵌入在宏观文化研究中的应用：对 20 世纪美国性别与阶级关联协同演化的纵向分析，以及对美国与英国之间性别与阶级标记历史差异的比较分析。我们论证认为，这些高维模型的成功推动了对意义、认同和文化过程的“高维理论化”转向。
引用
@article{arxiv.1803.09288,
title = {The Geometry of Culture: Analyzing Meaning through Word Embeddings},
author = {Austin C. Kozlowski and Matt Taddy and James A. Evans},
journal= {arXiv preprint arXiv:1803.09288},
year = {2019}
}