本文通过 Twitter 用户语言风格和社交网络之间的关系，探讨了性别、语言风格和社交网络之间的关系，提出了一种细致的性别分类方法，发现语言风格与社交网络之间的同性别联系紧密相关。

Oct, 2012

本文介绍了一种生成潜在变量模型，用于量化形容词（或动词）选用及其情感，并以头（或依赖）名词的自然性别为条件。研究发现男女名词描述之间存在显著差异，并且这些差异与常见的性别刻板印象相一致：用于描述女性的积极形容词更与其身体相关而不是用于描述男性的形容词。

Jun, 2019

探讨了社会语言学的核心问题，即在全球范围内，个体的语言变异是受许多外部因素影响的，并利用法国最大的推特文本数据集和详细的社会经济地图，研究表明人们的社会经济地位、地理位置和社交网络等因素都对个体网络文本数据中的语言变量有显著影响。

Apr, 2018

通过分析 107 百万条推特信息，我们发现计算机媒介通信正在驱动书面语言的根本变革，语言演化并不使得美国英语变得一致，而是重现了口语中现有的毛病。

Oct, 2012

使用推特数据集跟踪语言变化，揭示了语言变化是一种社会影响，基于 Hawkes process 模型验证了社交网络中的强关系在语言影响中扮演重要角色。

Sep, 2016

通过问卷调查 537 人得出结论，语言作为我们思维、偏见和文化刻板印象的反映。研究分析中发现了性别刻板印象的存在，特别是在定义男女角色时出现的，结果可作为理解刻板印象和期望对于不平等和惩罚产生的作用的起点。

Jul, 2020

LLMs 生成的文本存在社会偏见，本文通过情感分数打分分析，证明了 LLMs 生成文本存在性少数群体偏见，并展示了一种基于 SHAP 分析的启发式方法来减轻性少数群体偏见的方法

Jun, 2023

本文研究了基于社会规范转变而导致的语言变化，特别关注语言与性别的辩论。通过对德国联邦议院中的语言和性别问题进行分析，文章揭示了语言和性别在议院中是一个长期存在的议题，并讨论了此前的语言争端对当前有关性别包容性语言的激烈辩论的影响。

Feb, 2024

提出了一种新的计算方法，用于跟踪和检测单词的语义和用法中的统计显着语言转变，并对一定时间内的单词用法进行了分析，最终使用深度人工神经网络模型，构建了时间序列，使用其跟踪了语言变化趋势。

Nov, 2014

本文旨在研究男女语言使用的差异。通过统计演讲者在公共演讲中的用词，发现男性演讲者在语言、心理、认知和社会等方面的特定词汇比女性演讲者使用频率高。

Nov, 2022