PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.07123v1cs.CL

인구통계학적 조건 융합 임베딩을 통한 관점주의적 사회적 의미 학습

Learning Perspectivist Social Meaning via Demographic-Conditioned Fusion Embeddings

언어 속 사회적 의미는 본질적으로 관점에 따르며, 주석자의 배경, 인구통계학적 특성, 이념적 입장에 따라 달라집니다. 그러나 대부분의 자연어 처리(NLP) 시스템은 해석의 다양성을 무시하고 이러한 변이를 단일 정답 레이블로 축소합니다. 본 연구에서는 2만 8천 개의 인간 주석으로 구성된 데이터셋에서 인구통계학적 집단 간 해석의 차이를 포착하며, 관점주의적 스펙트럼에 따라 사회적 차원을 모델링합니다. 제로샷(zero-shot), 퓨샷(few-shot), 파인튜닝(fine-tuning) 접근 방식을 포함한 다양한 모델링 패러다임을 벤치마킹하고, 텍스트와 인구통계학적 표현을 통합하는 융합 임베딩(fusion embeddings)을 제안합니다. 우리의 융합 모델은 모든 융합 전략에서 텍스트 전용 기준 모델(baselines) 대비 일관되고 통계적으로 유의미한 성능 향상을 보였으며(+5.9-6.5% 상대적 매크로 PR-AUC), 셔플 제거 실험(ablations)을 통해 인구통계학적 프로필이 허위 상관관계가 아닌 실질적인 예측 신호를 담고 있음을 확인했습니다.