我们利用印度一家在线求职门户网站上发布的16万个招聘广告，以及600多万份求职申请，调查了雇主对招聘男性和女性的偏好。我们对招聘广告中的文本应用机器学习算法来预测雇主的性别偏好。我们发现，在雇主更喜欢女性的工作中，广告工资最低，即使这种偏好是通过文本分析含蓄地恢复的，而且这些工作也吸引了更大比例的女性申请者。然后，我们通过检索可预测显性性别偏好的词汇，或有性别含义的词汇，并将它们分配到硬技能、软技能、个性特征和灵活性等类别中，系统地揭示了这些关系的背后隐藏着什么。我们发现，与技能相关的女性性别词汇回报低，但吸引了更多女性申请者;而表明灵活性降低(如频繁旅行或不寻常的工作时间)的男性性别词汇回报高，但导致女性申请者的比例更低。这就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驱动的。