标签
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。
本文介绍了一种无标签方法，从九个情感示例中找到一个效价轴，该轴可跨文本、视觉、音频和大脑模态迁移，在最少标签下实现有竞争力的情感分类。
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。