标签
Jenova AI推出了一款品牌监控工具，可在一次请求中搜索多个平台（Reddit、YouTube、X、LinkedIn、TikTok、Amazon、Google），具备智能关键词覆盖、情感分析和竞争对比功能。
该论文提出了一种基于Transformer的模型，用于在连续的左-右光谱上预测德语政治文本的政治意识形态。研究比较了13个模型，发现DeBERTa-large和Gemma2-2B在不同任务上表现最佳。
本文介绍了利用半自动符号传播（SSP）方法，构建用于电子商务评论细粒度方面级情感分析的韩语评价标注语料库（EVAD）。并在该数据集上评估了KoBERT和KcBERT模型，在方面-值对识别任务上取得了较高的F1分数。
本文介绍了一个包含来自哈萨克斯坦的10万多条电影评论的多语言数据集，涵盖俄语、哈萨克语以及语码转换文本。论文针对情感极性分类和评分分类任务，对经典模型和基于Transformer的模型进行了基准测试。
本文介绍了用于 SemEval-2026 任务 9 的 YEZE 系统，该系统利用 XLM-RoBERTa 和 mDeBERTa 模型的异构集成，检测 22 种语言中的网络极化现象。
研究者用三个开源大模型为PersuasionForGood语料库中的10,600条说服者回合标注41种说服策略，发现策略类别对捐赠方差解释力极低，而“内疚诱导”显著降低捐赠率。
# 弥合社区需求与媒体内容差距的洞察 来源：[https://arxiv.org/html/2604.16651](https://arxiv.org/html/2604.16651) ## 移民之声与地方新闻：弥合社区需求与媒体内容差距的洞察 作者：Paula Dolores Rescala [paula\.rescala@epfl\.ch](https://arxiv.org/html/2604.16651v1/mailto:[email protected])，EPFL 瑞士 Victor Bros [vbros@idiap\.ch](https://arxiv.org/html/2604.16651v1/mailto:[email protected])，Idiap Research Institute 及 EPFL 瑞士 与 Daniel Gatica
一篇研究论文，介绍了德国手语（DGS）童话故事情感分析的数据集和基于XGBoost的模型。该模型使用MediaPipe提取的面部和身体运动特征，实现了63.1%的平衡准确率，证明了面部和身体动作在手语情感传达中的重要性。
本论文提出了SSAS(语法与语义上下文评估汇总)框架,旨在通过分层分类和迭代汇总来减少噪声和方差,提高基于大语言模型的情感预测的一致性。在三个行业标准数据集上的实证评估显示,数据质量和企业决策可靠性可提升30%。
本文介绍了一种检索增强的大型语言模型框架用于金融情感分析，相比传统模型及ChatGPT、LLaMA等大型语言模型，在准确率和F1分数上实现了15%至48%的提升。
Yabble 推出了 Yabble Count，这是一款 AI 工具，通过对客户反馈进行情感分类和将非结构化数据组织成主题，帮助企业从客户输入中提取可操作的洞察。
OpenAI 展示了一个无监督系统，通过训练乘法 LSTM 来预测亚马逊评论中的下一个字符，学习情感表示。该系统在斯坦福情感树库(Stanford Sentiment Treebank)上实现了最先进的情感分析效果(91.8% 准确率)，同时所需的标注样本比监督学习方法少 30-100 倍。模型发现了一个独特的'情感神经元'，能够捕捉情感信息，可以直接操纵来控制文本生成的情感。