不同的语言表达方式可以通过强调某些参与者而不是其他观点来概念化同一事件。在这里，我们调查了一种具有社会后果的案例：基于性别的暴力（GBV）的语言表达如何影响我们认为谁负责？我们基于该领域的先前心理语言研究，并对从意大利报纸的语料库自动提取的GBV描述进行了大规模的感知调查。然后，我们训练回归模型，以预测GBV参与者在感知到的责任的不同方面的显着性。我们的最佳模型（微调的BERT）显示出稳定的整体性能，并且在维度和参与者之间存在较大差异：显着_focus_比Sartient _blame_更可预测，而肇事者的显着性比受害者的显着性更为可预测。使用不同表示的脊回归模型进行的实验表明，基于语言理论的特征与基于单词的特征类似。总体而言，我们表明，不同的语言选择确实触发了对责任感的不同看法，并且可以自动建模这种看法。这项工作可能是提高公众和新闻制作人不同观点后果的认识的核心工具。
translated by 谷歌翻译