En redes sociales como los servicios de Preguntas y Respuestas comunitarias (cQA), los miembros interactúan entre sí haciendo y respondiendo preguntas. De esta manera, encuentran consejos y soluciones a situaciones muy específicas de la vida real. Por lo tanto, es seguro decir que los miembros de la comunidad inician sesión en este tipo de red social con el objetivo de satisfacer necesidades de información que no pueden resolverse fácilmente a través de búsquedas web tradicionales. Y para agilizar este proceso, estas plataformas también permiten a los internautas registrados, y muchas veces no registrados, navegar por sus archivos. Como medio para fomentar interacciones fructíferas, estos sitios web necesitan ser eficientes al mostrar material contextualizado/personalizado y al conectar preguntas no resueltas con personas dispuestas a ayudar. Aquí, los factores demográficos (es decir, género) junto con redes neuronales profundas de vanguardia han demostrado ser fundamentales para superar adecuadamente estos desafíos. De hecho, los enfoques actuales han demostrado que es perfectamente plausible lograr altas tasas de clasificación de género al inspeccionar imágenes de perfil o interacciones textuales. Este trabajo avanza en este cuerpo de conocimiento aprovechando caminos de dependencia lexicalizados para controlar el nivel de abstracción a través de los textos. Nuestros resultados cualitativos sugieren que los enfoques rentables explotan arquitecturas profundas de vanguardia destiladas (es decir, DistillRoBERTa) y la información semántica de grano grueso incorporada en los primeros tres niveles del respectivo árbol de dependencia. Nuestros resultados también indican que las cláusulas relativas/preposicionales que transmiten ubicaciones geográficas, relaciones y finanzas aportan una contribución marginal cuando aparecen en lo profundo de los árboles de dependencia.