Anns PTT的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

以性別自然語言處理觀點分析與預測同志語言

為了解決Anns PTT的問題，作者吳小涵 這樣論述：

在現今中文性別自然語言處理的研究脈絡下，大多數研究僅專注於生理性別的討論，對於性別文本的自動分類，更僅建立於一般異性戀男女的文本上。然而，從人文科學的角度出發，性別本身的複雜度亦會影響語言的表現。對此，本論文為中文性別自然語言處理領域中，少數由性取向的觀點出發，討論性別文本分類的研究。首先，為證明性取向亦為有效分類性別文本的參考指標，本論文從中文PTT收集了同性戀男性、異性戀男性、同性戀女性與異性戀女性的性別文本，並利用卷積神經網路模型輔以Word2Vec詞向量訊息，以及支持向量機器搭配語言學特徵組，個別訓練分類器來偵測中文男性文本與女性文本中所蘊含的性取向訊息。機器訓練結果顯示，無論是使用

卷積神經網路模型或是支持向量機器，訓練的分類器皆能在隨機機率(準確率0.5)的標準下，成功分類同性戀與異性戀的文本。其次，有別於過去研究僅專注於分類異性戀男女文本，本論文另利用了與上述相同的機器學習模型與文本特徵，來訓練男女同性戀文本的分類器。除此之外，本論文另收集了中文同性戀論壇的性別文本來測試訓練好的分類器，以證明本分類器不僅能夠成功預測PTT的同性戀文本，亦能夠適應來自於其他網路來源：UThome以及2Girl的同性戀文本訊息。在有限的時間與計算資源下，本論文的訓練結果顯示，在判斷男女同性戀文本的成效上，支持向量機器優於卷積神經網路模型。 另外，在男女同性戀文本的語言學分析下，本論文亦

觀察到不同性別文本除了在實詞的使用上會有所不同之外，在虛詞、標點符號、句法架構、甚至是統計數據，例如詞彙豐富度、字元數量、詞組數量、資訊可預測性等的量測上，也有顯著的統計差異。