本文提出了一种改进自然语言处理（NLP）数据集的方法，以提升恶意语言检测分类器的性能。通过分析注释者的观点和不一致性，研究了不同模型在处理争议性任务中的有效性。所提模型能够预测标注员的意见分歧，并通过人口统计信息优化预测过程。此外，创建了一个包含150,000个标签的中文不确定性感知语义文本相似度数据集，以研究人类观点的集体性。

本研究探讨了主观自然语言处理中的意见分歧，采用多视角分类模型，结果表明其在立场检测任务中优于传统方法，强调包容性视角对负责任和伦理AI的重要性。

在弱信任和高多样性的群体中，投票是一种复杂的决策方式。成年人难以改变观点，投票常常反映出意见一致时的愉快氛围，而意见分歧时可能引发反对。尽管投票不一定能产生“正确”结果，但其自我纠正机制优于个人决策。投票的目的在于控制感和责任归属，尽管在小区环境中，业委会并无真正的决策权。合理期待投票的功能，有助于找到更好的群体决策方式。