explorar_palabras / examples.py
Lucia Gonzalez
Files
7dda7b9
raw
history blame
4.04 kB
example_fem = {
"mujer": "la mente de una mujer que durante los últimos",
"chica": "enamorado de la misma chica desde la infancia mary",
"ella": "ella llego a la final",
"madre": "su padre y su madre margarita de parma",
"hija": "hija de inmigrantes españoles en",
"femenino": "campeonato mundial de voleibol femenino fue la duodécima edición",
}
example_joven = {
"joven": "",
"inmaduro": "",
"niño": "",
"crio": ""
}
example_viejo = {
"viejo": "",
"maduro": "",
"anciano": "",
"adulto": ""
}
example_masc = {
"hombre": "deseo innato que todo hombre tiene de comunicar su",
"chico": "fue un chico interesado en artes",
"el": "el parque nacional liwonde",
"padre": "la muerte de su padre en 1832 se formó",
"hijo": "le dice a su hijo aún no nacido como",
"masculino": "el mito es esencialmente masculino y entre las causas",
}
example_diagnose = {
"ario": "establecer que el pueblo ario vivió en inmemoriales tiempos",
"educación": "sentido de vida religión educación y cultura para cada mujer",
"pagado": "un rescate muy grande pagado por sus seguidores a",
"cocinar": "empezó a cocinar una sopa usando",
"lavar": "era directamente usado para lavar ropa por eso la",
"deporte": "se convirtió en el deporte más popular del país",
"ropa": "usan el kimono una ropa tradicional japonesa",
"pelea": "mal por la violenta pelea entre ambos hermanos",
"enfermero": "en enfermería el diagnóstico enfermero o diagnóstico de enfermería es",
"ganar": "una necesidad un modo de ganar",
"líder": "del estado en manos del líder opositor henrique capriles para el",
"coser": "realizar tareas domésticas básicas como coser y poner la mesa",
"cuidar": "de la fpf encargada de cuidar los intereses de los clubes",
"cirujano": "afrancesado ocupando el puesto de cirujano militar en el ejército josefino",
"rey": "la princesa jeongsung esposa del rey danjong que ascendió al trono",
"reina": "año ganó el título de reina de la bahía en el"
}
fem_words = ','.join([word for word, context in example_fem.items()])
fem_contexts = ','.join([context for word, context in example_fem.items()])
masc_words = ','.join([word for word, context in example_masc.items()])
masc_contexts = ','.join([context for word, context in example_masc.items()])
young_words = ','.join([word for word, context in example_joven.items()])
old_words = ','.join([word for word, context in example_viejo.items()])
diagnose_words = ','.join([word for word, context in example_diagnose.items()])
diagnose_contexts = ','.join([context for word, context in example_diagnose.items()])
positive_money_words = 'ahorrar,economizar,administrar,manejar,negocio,beneficios'
negative_money_words = 'malgastar,derrochar'
diagnose_money = 'alemán,australiano,argentino,millonario,rico,pobre'
lazy_words = 'vago, perezoso, gandul'
active_words = 'trabajar, esfuerzo, trabajador'
examples1_explorar_sesgo_en_palabras = [
[fem_words, masc_words, diagnose_words],
[old_words, young_words, diagnose_words],
[positive_money_words, negative_money_words, diagnose_money],
[lazy_words, active_words, diagnose_money]
]
examples2_explorar_sesgo_en_palabras = [
[fem_words, masc_words, young_words, old_words, diagnose_words],
[lazy_words, active_words, positive_money_words, negative_money_words,diagnose_money],
]
examples_explorar_relaciones_entre_palabras = [
[diagnose_words, fem_words, masc_words, young_words, old_words],
[diagnose_money, lazy_words, active_words, positive_money_words, negative_money_words],
]
# Examples Sesgos en frases
examples_sesgos_frases = [
["los * manejan bien la plata", "argentinos,pobres,millonarios,australianos"],
["los cordobeses bailan *", ""],
["en la década de los ochenta, el * fue lo más escuchada en Argentina", "rock,tango,jazz,blues"],
["",""]
]
examples_datos = ["ronronear", "ella", "el", "ellos"]