词嵌入量化百年的性别与族裔刻板印象
计算与语言
2018-06-20 v1 计算机与社会
摘要
词嵌入使用向量表示词，使得向量间的几何关系捕捉词之间的语义关系。在本文中，我们开发了一个框架，展示如何利用嵌入的时间动态来量化 20 和 21 世纪美国对女性和少数族裔的刻板印象与态度的变化。我们将在 100 年文本数据上训练的词嵌入与美国人口普查相整合，表明嵌入的变化与随时间推移的人口和职业变迁紧密跟踪。该嵌入捕捉了全球社会变迁——例如 1960 年代的妇女运动和亚洲移民进入美国——也阐明了特定形容词和职业如何随时间与某些人群产生更紧密的关联。我们这种词嵌入时间分析的框架开启了机器学习与定量社会科学之间强有力的新交叉。
引用
@article{arxiv.1711.08412,
title = {Word Embeddings Quantify 100 Years of Gender and Ethnic Stereotypes},
author = {Nikhil Garg and Londa Schiebinger and Dan Jurafsky and James Zou},
journal= {arXiv preprint arXiv:1711.08412},
year = {2018}
}