本文研究探讨了社交网络和在线寫作间的語言和语言格式之间的关联性，以及如何从社交网络平台中建立一种专家混合模型来增强语言变异性的鲁棒性。

Apr, 2018

探讨了社会语言学的核心问题，即在全球范围内，个体的语言变异是受许多外部因素影响的，并利用法国最大的推特文本数据集和详细的社会经济地图，研究表明人们的社会经济地位、地理位置和社交网络等因素都对个体网络文本数据中的语言变量有显著影响。

Apr, 2018

本研究针对 Twitter 用户的情况，使用低维向量表示的图形嵌入技术来提取用户的社交网络信息，并用此信息预测 Twitter 用户的职业阶层和收入水平，结果显示该方法优于现有的方法，并且将社交网络和语言信息相结合可以进一步提高预测结果。

Apr, 2018

我们通过对电影中的 95K 个话语进行社会阶级、种族和地理语言差异的语料库注释，并对语言建模、自动语音识别和语法错误纠正三个任务中 NLP 系统的性能进行了实证研究，发现与社会经济地位、种族和地理差异有关的显著性能差异。随着 NLP 技术的日益普及和日常化，为避免对已经边缘化的群体造成不利影响，它们必须适应所有语言变体。我们主张将社会经济阶级纳入未来的语言技术中。

Mar, 2024

人们的社会经济背景和他们使用标准语言形式相关联，在各种社会语言学研究中已有证明。然而，从定量的角度来看，不同社会经济阶层之间的混合可能会对这些相关性产生影响，而这方面的研究相对较少。本研究利用地理标记的推特和可转移的计算方法，在英格兰和威尔士的七千个行政区域上大规模地绘制非标准英语的偏离，与高分辨率的收入地图结合，为家庭位置用户分配一个代理社会经济指标。令人惊讶的是，在八个大都市区域，我们发现一个一致的模式，即不同社会经济阶层混合得越多，他们离标准语法的频率和收入的相互依赖性越小。此外，我们提出了一个基于代理人的语言多样性采纳模型，对产生数据中所观察到的现象提供了解释。

Jul, 2023

本文提出了一种样式感知神经模型，以从三个样式水平对文档信息进行编码，并在作者归属领域进行评估，实验结果表明，相对于文献中的基线方法，从所有三个样式水平编码文档信息具有显著的优势，实验数据来源于四个基准数据集。

Sep, 2019

本研究提出了从词汇、句法和语义三个方面分析个体写作风格的过程，并展示该过程在作者风格分析、作者归属度和情感预测方面的应用，结果表明这种多层次的写作风格分析方法能够量化地模拟文本中的主观性，从而在多个任务上提高定量和定性表现。

Sep, 2019

通过大规模的跨作者比较，我们引入了一种新方法来通过识别和编码风格特征来研究 idiolects，神经模型在短文本上实现了强大的作者识别性能，并通过类比探测任务展示出学习到的表示具有惊人的规律性，在文本扰动中，我们量化了不同语言元素对 idiolectal 变化的相对贡献，同时通过测量互作者和内作者的变化来描述 idiolects，这些结果表明 idiolectal 的变化具有独特而一致的特征。

Sep, 2021

本研究基于大量文本数据分析职业在语义空间内的位置与社会地位，结果表明职业结构与传统社会阶层结构类似，同时指出组织力量是一个尚未得到充分探讨的因素。

May, 2020

本文通过 Twitter 用户语言风格和社交网络之间的关系，探讨了性别、语言风格和社交网络之间的关系，提出了一种细致的性别分类方法，发现语言风格与社交网络之间的同性别联系紧密相关。

Oct, 2012