[论文解读] Judging a Book by its Description : Analyzing Gender Stereotypes in the Man Bookers Prize Winning Fiction

Nishtha Madaan, Sameep Mehta+2 more|arXiv (Cornell University)|Jul 25, 2018

Authorship Attribution and Profiling参考文献 19被引用 5

一句话总结

本文利用自然语言处理与Goodreads书评的语义建模，分析了1969年至2017年间275部入围曼恩布克奖小说的性别刻板印象。研究通过词嵌入、类比推理与基于知识图谱的去偏方法，识别出普遍存在且根深蒂固的职业、外貌与行为偏见——例如男性常与高社会地位角色关联，女性则与照顾性或被动特质关联。尽管随着时间推移有所改善，但结果表明，即使在获奖文学作品中，性别差异依然显著存在。

ABSTRACT

The presence of gender stereotypes in many aspects of society is a well-known phenomenon. In this paper, we focus on studying and quantifying such stereotypes and bias in the Man Bookers Prize winning fiction. We consider 275 books shortlisted for Man Bookers Prize between 1969 and 2017. The gender bias is analyzed by semantic modeling of book descriptions on Goodreads. This reveals the pervasiveness of gender bias and stereotype in the books on different features like occupation, introductions and actions associated to the characters in the book.

研究动机与目标

• 计算分析并量化高影响力文学小说中的性别刻板印象，尤其关注人物在职业、外貌与行为方面的刻画。
• 探究性别偏见在Goodreads书评中如何体现，聚焦于男性与女性角色的语义关联。
• 开发并评估一种基于语义建模与知识图谱的去偏框架，用于识别并纠正叙事文本中的性别刻板印象。
• 利用包含275部入围作品的大型多样化语料库，评估1969至2017年间在重要文学小说中性别表征与偏见的趋势。
• 提供一种可扩展的、基于自然语言处理的流水线，用于检测与消除文学与叙事文本中的性别偏见，潜在应用于内容生成与公平性感知的自然语言处理。

提出的方法

• 使用词嵌入建模性别代词（he/she）与职业术语（如doctor, nurse）之间的语义关系，通过向量运算识别偏见：(he - she) ≈ (x - y)。
• 应用余弦相似度阈值检测反映性别刻板印象的职业角色类比词对（如doctor/nurse, king/queen）。
• 使用性别词对（如he, she）的邻近性筛选性别词对知识库，基于余弦距离阈值将词对标记为性别中性或性别特定。
• 利用Stanford开放信息抽取（OpenIE）与共指消解技术提取每个角色的动作与关系，结合婴儿名列表推断性别。
• 通过依存句法分析构建角色特定的知识图谱，计算中介中心性，实现目标化、上下文感知的性别对互换去偏。
• 实施两阶段去偏流程：第一阶段识别有偏词对；第二阶段仅对高中心性、合理的人物-角色对执行性别互换，以保持叙事连贯性。

实验结果

研究问题

• RQ1 曼恩布克奖获奖小说中的男性与女性角色在职业、外貌与行为方面如何被刻板化地描绘？
• RQ2 书评中性别关联在多大程度上反映了现实世界的职业与社会刻板印象？
• RQ3 基于词嵌入与知识图谱的计算框架能否有效检测并去偏文学文本中的性别刻板印象？
• RQ4 1969至2017年间，高影响力文学小说中人物描述的性别刻板印象如何随时间演变？
• RQ5 性别化语言对文学小说中角色中心性与叙事角色分配有何影响？

主要发现

• 男性角色显著更可能与高社会地位职业（如'doctor', 'king', 'leader'）关联，而女性角色则不成比例地与低地位或照顾性角色（如'nurse', 'mother'）关联。
• 向量偏移（he - she）与职业对（如(doctor, nurse)）高度一致，表明性别化职业偏见已嵌入语义空间。
• 外貌描述显示，男性常被描述为'强壮'或'强大'，而女性则与'温柔'、'美丽'或'纤弱'等特质关联，强化了传统性别规范。
• 书评中提及的男性角色数量超过女性，表明女性在叙事焦点中代表性不足。
• 与女性角色相关联的动作与关系更常涉及关怀、情感或家庭事务，而男性角色则更常与领导力、暴力或主动性关联。
• 尽管随时间推移有所改善，但数据表明，即使在获奖作品中，文学小说中的性别偏见依然普遍存在且根深蒂固。