哪些单词具有性别化

很多社会理论学家考虑性别在语言中的不同显示的程度如何。我们的数据集使得可以从单词层次探索这一点：我们可以发现哪个标签是男性脸孔或者女性脸孔的最显著的特征。我们可以统计出对于男性出现最频繁的单词，以及对于女性出现最频繁的单词，但通常来说，这只能获取在任意地方出现频率都很高的单词。一种更好的方式是通过对性别间出现频率的标签进行打分。也就是说，为了确定标签T表示性别G的特征性，看以下表达式：

这个表达式有个缺陷：出现频率很低的标签会带来噪音数据。举个例子，任何只出现一次的标签，它表示的性别就得到满分1（这是由于样本数据量小造成的错误，我们称之为稀疏年龄桶）。解决该问题的一个简单的方法是设置词频阈值。在这种情况下，我们只查看出现次数大于100次的标签。

计算这些分值——用统计学术语来说，它们是条件概率Pr(G|T）的最大可能估计——我们可以获得如下一些最大可能估计值表。

最具有男性特征的单词如下表所示。

最具有女性特征的单词如下表所示：

可能令人惊讶的是这些单词如“handsome”（英俊）、“gamer”（赌徒）、“Bubbly”（活泼的）和“slut”（骚货）是多么地具有性别化特征。它们几乎总是和它们所表示的性别一起出现。