SWEAT：跨语料库的主题评分极化
SWEAT: Scoring Polarization of Topics across Different Corpora
摘要：
理解语料库中的观点差异是计算社会科学的一项基本任务。在本文中，我们提出了切片词嵌入关联测试（SWEAT），这是一种新颖的统计指标，用于计算主题词集在两种分布表示中的相对极化。为此，SWEAT使用了两个额外的词集，被认为具有相反的效价，代表两个不同的极点。我们验证了我们的方法，并说明了一个案例研究，以显示所引入的措施的实用性。
英文摘要：
Understanding differences of viewpoints across corpora is a fundamental task for computational social sciences. In this paper, we propose the Sliced Word Embedding Association Test (SWEAT), a novel statistical measure to compute the relative polarization of a topical wordset across two distributional representations. To this end, SWEAT uses two additional wordsets, deemed to have opposite valence, to represent two different poles. We validate our approach and illustrate a case study to show the usefulness of the introduced measure.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
