[论文解读] A World of Difference: Divergent Word Interpretations among People

Tianran Hu, Ruihua Song+4 more|arXiv (Cornell University)|Mar 8, 2017

Language and cultural evolution被引用 6

一句话总结

本文提出一种新方法，通过群体特定的词嵌入与语义距离度量，量化社会群体间词语解释的差异。研究发现，'react' 和 'code' 等词语在纽约市与旧金山湾区的群体中被不同解读，反映出科技与艺术领域中的区域文化差异；而基于性别的解释差异则凸显了不同的社会态度与兴趣取向。

ABSTRACT

Divergent word usages reflect differences among people. In this paper, we present a novel angle for studying word usage divergence -- word interpretations. We propose an approach that quantifies semantic differences in interpretations among different groups of people. The effectiveness of our approach is validated by quantitative evaluations. Experiment results indicate that divergences in word interpretations exist. We further apply the approach to two well studied types of differences between people -- gender and region. The detected words with divergent interpretations reveal the unique features of specific groups of people. For gender, we discover that certain different interests, social attitudes, and characters between males and females are reflected in their divergent interpretations of many words. For region, we find that specific interpretations of certain words reveal the geographical and cultural features of different regions.

研究动机与目标

• 探究词语解释在性别与地区等社会群体间的差异。
• 开发一种量化不同人口群体间词语解释语义差异的方法。
• 揭示分歧解释如何反映特定群体独特的文化、地理与社会特征。

提出的方法

• 在不同社会群体（如男性/女性、纽约市/旧金山湾区）的语料上分别训练词嵌入模型，生成群体特定的词向量空间。
• 对每个词语，使用余弦相似度从各群体的嵌入空间中提取其语义最近邻词语（即解释）。
• 通过平均成对余弦相似度，计算不同群体间词语解释集合之间的语义距离。
• 将词语的分歧度定义为不同群体中其解释之间语义距离的平均值。
• 应用该方法检测分歧度较高的词语，表明存在显著的解释差异。
• 通过人工检查高分歧词语及对区域与性别特异性模式的定性分析，验证研究发现。

实验结果

研究问题

• RQ1 男性与女性对词语的解释有何不同？这些差异反映了哪些社会或心理特征？
• RQ2 语言使用中的区域差异在多大程度上反映了纽约市与旧金山湾区等城市之间的地理或文化差异？
• RQ3 哪些词语在不同人口群体间表现出最高的解释分歧？这些词语揭示了群体特定的兴趣与身份特征是什么？

主要发现

• 词语'react'在旧金山湾区被解释为软件行为（最近邻为'webpack'、'filesystem'），而在纽约市则被理解为字面意义（最近邻为'respond'、'confuse'）。
• 词语'code'在旧金山湾区与编程相关（最近邻为'compiler'、'regex'），但在纽约市则与折扣券相关（最近邻为'coupon'、'discount'）。
• 地名如'berkeley'在纽约市被解释为大学，而在旧金山湾区则被理解为城市，反映出地理解释的差异。
• 词语'bart'在旧金山湾区指代交通系统（最近邻为'muni'、'train'），但在纽约市则指卡通人物（最近邻为'homer'、'marge'）。
• 与时尚和音乐相关的词语如'model'和'metal'表现出显著的区域偏见：'model'在纽约市指时尚（最近邻为'supermodel'、'stylist'），而在旧金山湾区则指数学模型。
• 文化差异在'port'一词的解释中体现明显：在纽约市指港口（最近邻为'ferry'、'dock'），而在旧金山湾区则指硬件端口（最近邻为'ethernet'、'connector'）。