EmpathBERT：一个基于BERT的人口统计感知共情预测框架
EmpathBERT: A BERT-based Framework for Demographic-aware Empathy Prediction
摘要：
情感偏好随用户的人口统计而变化，利用人口统计信息可以提供有关用户语言偏好的重要线索。在本文中，我们利用用户的人口统计数据，并提出了移情BERT，一个人口统计感知的移情预测框架的基础上BERT。通过几个比较实验，我们表明，EmpathBERT超越了传统的机器学习和深度学习模型，并说明了用户人口统计数据的重要性，以预测用户对刺激性新闻文章的反应的同情和痛苦。我们还强调了影响信息的重要性，通过开发影响感知模型来预测用户的人口统计属性的反应。
英文摘要：
Affect preferences vary with user demographics, and tapping into demographic information provides important cues about the users' language preferences. In this paper, we utilize the user demographics, and propose EmpathBERT, a demographic-aware framework for empathy prediction based on BERT. Through several comparative experiments, we show that EmpathBERT surpasses traditional machine learning and deep learning models, and illustrate the importance of user demographics to predict empathy and distress in user responses to stimulative news articles. We also highlight the importance of affect information in the responses by developing affect-aware models to predict user demographic attributes.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
