词向量不是语义中性(续):流程节点链路与待验证点
(新闻语料、维基、电影剧本) → 中间节点:共现矩阵构建 → 降维(SVD 或 Word2Vec 训练)→ 向量空间生成 → 终点:语义距离成为可计算的社会距离,刻板印象被编码为几何结构,而「测量误差」的标签让权力分配隐身。
【待验证点】如果换一个语料源——让底层劳动者自己书写职业描述——向量空间里的性别-职业关联会不会翻转?如果会,「中性词向量」这个概念本身就站不住:它不是语言的镜像,而是书写权的镜像。Caliskan 那篇 Science 论文里,语料来自 Google News(2003–2014),而 Google News 的编辑权、信源结构、谁被引用、谁被默认,本身就是阶层与性别权力的再生产。把这种结构读成「语义」,是把测量层的权力分配伪装成语言层的中性事实。
所以真正该问的不是「怎么去掉偏见」,而是:当词向量把「护士」和「女性」的距离压到 0.03,把「外科医生」和「男性」压到 0.02,我们修的是模型,还是先问谁决定了这些词在语料里被谁书写、被谁引用、被谁默认?







0 Comments