建模带社会人口统计特征表示的人类视角
计算与语言
2026-04-21 v1
摘要
人类常常对同一问题持有不同观点。在许多自然语言处理任务中，标注不一致可能反映出有效的主观视角。对标注者视角进行建模，并理解其与其他人类因素（如社会人口统计属性）之间的关系，正受到日益关注。以往工作通常仅关注单一的人口统计因素或有限的组合。然而，在现实场景中，标注者的视角受到复杂社会背景的影响，更细粒度的社会人口统计属性能够更好地解释人类的视角。本文提出了一种称为社会对比学习 (Socio-Contrastive Learning) 的方法，可同时建模标注者视角，同时学习社会人口统计特征表示。该方法为社会人口统计特征与文本表示的有效融合提供了一种方法，可预测标注者视角，优于基于标准拼接方法。所学得的表示进一步支持分析和可视化人口统计因素如何与标注者视角差异相关。我们的代码已在 GitHub 上提供：https://github.com/Leixin-Zhang/Socio_Contrastive_Learning
关键词
引用
@article{arxiv.2604.18069,
title = {Modeling Human Perspectives with Socio-Demographic Representations},
author = {Leixin Zhang and Cagri Coltekin},
journal= {arXiv preprint arXiv:2604.18069},
year = {2026}
}