本文提出了PEARL框架，通过利用个人属性知识在低资源情况下预测个人属性，结合biterm语义信息和单词共现信息，优化Gibbs采样过程。实验结果表明，PEARL在对话中预测个人属性的任务上优于基线方法，并在弱监督文本分类任务中表现良好。