我们利用印度一家在线招聘门户网站上发布的16万个招聘广告，与600多万份申请相关联，研究了雇主对招聘男性和女性的偏好。我们将机器学习算法应用于招聘广告中的文字，以预测雇主的性别偏好。我们发现，在雇主更青睐女性的岗位上，即使通过文本分析隐含地检索到这种偏好，广告上的工资也是最低的，而且这些岗位也吸引了更大比例的女性求职者。然后，我们系统地揭示了隐藏在这些关系之下的是什么，方法是检索能够预测显性性别偏好的词汇，或性别化词汇，并将它们分配到硬技能和软技能、个性特征和灵活性的类别中。我们发现，与技能相关的女性性别词汇回报较低，但吸引的女性申请者比例较高，而表明灵活性降低的男性性别词汇(例如，频繁旅行或不寻常的工作时间)回报较高，但导致女性申请者比例较小。这造成了性别收入差距。我们的研究结果表明，性别偏好在一定程度上是由刻板印象和统计歧视所驱动的。