وصف تباين اللغة الإنجليزية عبر مجتمعات وسائل التواصل الاجتماعي مع بيرت

مجردة الكثير من العمل السابق الذي تميز تباين اللغة عبر الإنترنت، ركزت مجموعات الاجتماعية على الإنترنت على أنواع الكلمات التي تستخدمها هذه المجموعات.نحن نقدم هذا النوع من الدراسة من خلال توظيف بيرت لتوصيف الاختلاف في حواس الكلمات أيضا، وتحليل شهرين من التعليقات الإنجليزية في 474 مجتمعات Reddit.يتم استخدام خصوصية مجموعات الشعور المختلفة للمجتمع، جنبا إلى جنب مع خصوصية أنواع الكلمات الفريدة للمجتمع، لتحديد الحالات التي تنحرف فيها لغة مجموعة اجتماعية عن القاعدة.نحن نقوم بالتحقق من صحة مقاييسنا باستخدام المعلقات التي تم إنشاؤها من قبل المستخدم وارسم النظريات الاجتماعية لتوصيل تباين اللغة بالاتجاهات في سلوك المجتمع.نجد أن المجتمعات ذات اللغة المميزة للغاية هي متوسطة الحجم، وتفاعل المستخدمين المواليين والمخروطين للغاية في الشبكات الكثيفة.

Abstract Much previous work characterizing language variation across Internet social groups has focused on the types of words used by these groups. We extend this type of study by employing BERT to characterize variation in the senses of words as well, analyzing two months of English comments in 474 Reddit communities. The specificity of different sense clusters to a community, combined with the specificity of a community's unique word types, is used to identify cases where a social group's language deviates from the norm. We validate our metrics using user-created glossaries and draw on sociolinguistic theories to connect language variation with trends in community behavior. We find that communities with highly distinctive language are medium-sized, and their loyal and highly engaged users interact in dense networks.