标签
该论文提出了 S2TDR，一种结构化多模态框架，通过视觉线索提取、情感意图推断和上下文感知重构，将对话中的贴纸轮次转换为符合语境的文本。与直接整合贴纸相比，该框架提升了下游情感分析、意图识别和摘要生成任务的表现。
PromptSense 提出了一种能够感知情绪和抑郁状态的框架，通过基于规则的筛选机制动态构建提示词，以提升基于大语言模型的心理健康聊天机器人的共情能力、相关性和安全性，在评估中表现优于 DSFT 和 RLAIF。
一项对涵盖14个产品类别的6,900条YouTube评测者意见和3,567条Reddit用户意见的分析发现，用户提及可靠性的频率是评测者的两倍（17%对比7.8%），且对应用程序和软件的评价要负面得多。
该论文提出一种将情感分析深度融入Actor-Critic类深度强化学习智能体（A2C、PPO、DDPG、TD3、SAC）的股票交易策略，发现结合Q学习的策略优化方法在融合情感信息后能显著提升盈利与风险规避能力。
一篇论文指出了现代文本嵌入模型中的一个系统性缺陷：通过线性探针可以高度准确地解码情感信息，但其余弦相似度度量却几乎无法体现这些信息。论文提出了 SISE，一种微型监督式对比学习头，可在冻结编码器的情况下修复这一问题。
我们提出了 NEPSEE，这是一个尼泊尔语情感分析基准，包含 3,189 个经过双重标注的天城文句子，用于评估编码器、TF-IDF 基线和零样本大语言模型。此外，我们还开展了分词器审查，发现尼泊尔语 BERT 模型的默认分词器会剥离天城文中的非间距元音符号和怛达点（virama）。
BARRAC 将英文基于方面的情感分析框架适配于阿拉伯语方言分类任务，用阿拉伯语中表达讽刺、方言和情感的语言手段替换原本的消费者评论属性池，在五个基准中的四个上取得优于 GPT-4o 的效果，平均宏 F1 值达到 63.93%。
本文评估从语言模型表示中提取的情感概念方向在不同数据划分间复现的可靠性，比较了 English、Hausa 和 Yoruba 在四种语言模型上的表现。结果发现方向一致性存在稳定的语言排序（English > Hausa > Yoruba），并表明高探针分类准确率并不意味着方向一致性；不过，文中并未将 tokenizer fertility 确立为造成这一现象的原因。
本文探讨ECB和Fed新闻发布会中的情感弧线如何预测政策利率变化和通胀预期，表明情感的时序携带有重要的政策信号。
semfont 是一个库，能够根据词语在效度、显著性、惊讶度和确定性方面的分数，自动为文本应用排版样式，以提升可读性。
本文呈现了一项跨平台自然语言处理分析，针对六大生成式AI应用的17,012条应用商店评论，识别出广告、认证和定价等关键信任与摩擦障碍，并发现跨平台显著的情感差异。
本文测试了这样一个假设：在金融自然语言处理中，经人类标签验证的情绪工具也能预测市场信号，结果发现基准一致性并不决定预测有效性，且垃圾信息影响基于交易量的分析。
本文批判了多模态情感分析中基于优化的平衡策略，指出它们由于混淆拟合速度与判别重要性而失败，并提出了一个专注于留出模态评估的新研究议程。
该网站汇总了来自X（Twitter）用户对Cognition开发的AI智能体Devin的公众情绪。
本文提出了C3T，一个线程结构的时序模型，用于使用反事实因果推理预测社交媒体对话树中的情感变化，并介绍了用于因果情感推理的CaSiRe数据集。
本文首次应用数据科学，利用自然语言处理技术评估英国荣誉系统，并引入一种新型情感分析算法Minos，以评估公众对荣誉获得者的意见。
SocialCrawl 是一个 API，旨在帮助 AI 代理访问来自各种平台的实时社交和网页数据。PRISM 是一组新的端点，它合并来自多个源的搜索结果，以支持品牌监控和情感分析等工作流程。
本文对Telegram上关于以色列-巴勒斯坦冲突的话语进行了多方法计算分析，揭示亲以色列频道采用中立、报告式语气，而亲巴勒斯坦频道表现出更多负面情绪和框架。