WordBias | 可视化文本中的偏见(刻板印象）

目录

WordBias

安装

界面

案例1-极端主义

案例2-pretty/beautifull

论文

---

词嵌入做为一种词向量模型，可以从文本中计算出隐含的上下文情景信息，态度及偏见。通过词向量距离的测算，就可以间接测得不同群体对某概念(组织、群体、品牌、地域等)的态度偏见。

偏见(刻板印象)的介绍有

大数据时代下社会科学研究方法的拓展——基于词嵌入技术的文本分析的应用

计算机科学家，正研究如何在AI中减弱甚至剔除刻板印象；但在社会科学领域，接受已有数据中存在的刻板印象，在数据中测量Bias，发现Bias，应用Bias，也能更好的认识和改造社会 。今天介绍一个挺好玩的工具WordBias。

五一工作坊感兴趣的童鞋可以关注一下，Python部分新增词嵌入&偏见挖掘

https://hidadeng.github.io/blog/2022-05-workshop/7-Python.html

WordBias

WordBias：一种用于发现词嵌入偏见(刻板印象)的交互式可视化工具， 旨在探索子群体（intersectional groups，直译为交叉群体）（如黑人女性、黑人穆斯林男性等）在词嵌入中的编码偏见。我们的工具认为一个词与一个交叉组相关联，例如“Christian Males”，如果它与它的每个构成子集（Christians 和 Males）密切相关。我们的工具旨在为专家提供有效的审核工具，为非专家提供教育工具，并增强领域专家的可访问性。

例如对“黑人男性”的刻板印象，是由“男人”和“黑人”两类刻板印象加上一些其他线索组成的。