标签
本文探讨了通过分析Twitter帖子情感来预测股市动向的ChatGPT潜力，揭示了其与Microsoft和Google后续股票表现的正相关性。
本文提出了一种基于LLM的流程，用于分析在线新闻中的媒体偏见和框架，并在阿尔巴尼亚语文章上进行了测试，与自动方法相比，标注中等一致。
本文对情感分类器在讽刺性和AI改写社交文本上的行为进行了实证研究，揭示了对讽刺文本置信度较低、对AI改写文本准确率更高，以及通过处理低置信度输入来提升性能的弃权方法。
This paper introduces ViTOED, a new dataset for target-oriented emotion detection on Vietnamese social media texts, containing nearly 11,000 comments with manually annotated opinion quadruples. It evaluates Vietnamese pre-trained language models using structured sentiment graphs, highlighting challenges in span detection and relation extraction.
本文提出MIDAS，一种用于不完整多模态情感分析的统一框架，利用互信息解缠和不确定性感知融合，在缺失数据条件下鲁棒地表示和整合模态。
本文比较了基于RoBERTa的情感分析与基于LLM的多维框架分析在政治新闻文章中的应用，发现传统情感分析存在“中性崩溃”问题，而基于LLM的方法能更好地捕捉偏见、耸人听闻和框架效应，适用于社会科学研究。
本文描述了一个用于尼泊尔表情包分类的两阶段视觉-语言适配系统，使用Qwen3-VL-8B-Instruct，结合LoRA微调和对比学习。该系统在CHiPSAL 2026共享任务中，在仇恨言论检测中排名第二，在情感分析中排名第四。
该论文提出了一种基于状态感知的多模态学习（RAML）方法，用于比特币价格方向预测，该方法根据市场波动性自适应融合社会情绪与技术特征。在2024年7月至2025年9月的小时数据上进行评估，RAML相较于静态融合基线取得了适度的改进。
本文挑战了多模态情感分析中缺失模态的传统“修复优先”范式，表明全模态输入仅对一小部分样本是最优的。作者提出了SIEVE，一种即插即用的方法，学习在样本级别决定是否修复缺失模态，并持续改进现有的修复框架。
一篇研究论文，提出了SeRIn，一种多模态融合方案，将模态特定细化与跨模态交互分离，在CH-SIMS和CMU-MOSEI情感分析基准上取得了最先进的结果。
MASTE是一个四阶段多智能体流水线，用于零样本文本情感三元组抽取，在不使用标注数据的情况下，显著优于零样本和思维链基线方法。
本文提出基于SHAP加权的跨模态专家融合（XGAF）用于情感与情绪识别，证明在MELD和CMU-MOSEI数据集上，sum-abs SHAP聚合达到了早期融合级别的性能。
本文探讨了在使用冻结的预训练语言模型骨干时，显式域适应方法是否对情感迁移有益，发现其有效性取决于骨干是否已经拥有目标域知识。
本文介绍了SemEval-2026任务3的方法，采用Transformer集成模型和LLM生成的标注，在维度化方面级情感分析中预测连续的效价和唤醒度分数。
本文评估了十二种最新文本编码器在三种心理学情绪理论中编码情感线索的能力，发现指令感知的开源权重编码器在单词级别上达到或超过专有编码器，而任务微调嵌入在句子级别上更优。
Pieter Levels 分析了他的博客统计数据，发现负面内容比正面内容表现好约1.5倍，而好奇内容（如巧妙项目）排名第二。他分享了来自743篇帖子的详细情感和情绪数据。
本文提出了一种防泄漏诊断方法，通过跨测试样本打乱可靠性分数，来检验质量感知多模态融合方法在推理时是否真的使用了这些分数。在StressID和CMU-MOSEI上的实验表明，打乱后的可靠性分数并未改变性能，说明质量信号仅在能可靠预测单模态正确性时才会影响决策。
本文研究了斯里兰卡旅游评论中星级评分与文本情感不一致的行为驱动因素，发现18.6%的评论存在错配，并呈现六种方向模式，同时指出场所类型、评论者专业水平和时间因素是其影响因素。