英语的积极性
通过对来自 10 种语言、24 个语料库的 100,000 个单词的人类评估结果，我们发现自然人类语言中存在一种普遍存在的积极偏差，并且这种偏好与词频强烈独立；通过描述语言的情感谱，我们可以比较不同语料库的差异，并利用词汇评估构建情感内容实时和离线测量工具。
Jun, 2014
该研究研究了单词的情感内容、单词频率和信息内容之间的关系，发现情感取向积极的单词更频繁地使用；负面单词比积极单词更具信息量，并支持与情感和激情有关的假设。
Oct, 2011
通过确定自 16 世纪以来最常见的英语单词和短语，我们获得了一个独特的大规模的书面文本演变视图。我们发现，在任何给定年份中，最常见的单词和短语在 16 世纪的流行寿命比 20 世纪要短得多，并且过去两个世纪的语言统计过程已由线性偏好附着所支配。与英语词汇的稳步增长一起，这为 Zipf 定律在语言统计中的普遍性提供了经验证明，并证实，虽然书写无疑是艺术和技巧的表达，但在自我组织方面受到同样影响，这与像结交新朋友和万维网增长这样的过程一样。
Dec, 2012
本文介绍了一种新一代表情符号 —— 表情符号的情感分析研究，提供了名为 Emoji Sentiment Ranking 的表情符号情感词典，绘制了 751 个常用表情符号的情感地图，并提出了适用于欧洲语言的 Emoji Sentiment Ranking 作为自动化情感分析的一个独立资源。
Sep, 2015
本文旨在量化情感对信息传播的影响，从而了解内容情感在社交媒体上的传播如何受时间动态的影响。研究发现，在单独的内容层面上，负面信息比积极信息更容易传播，但是积极信息能够触及更多的观众。同时，针对整个对话框架，不同的时间动态可能展现出不同的情感模式。这项研究成果有助于改善在线社交媒体内容的生成与传播方针。
Jun, 2015
通过分析西班牙语的 TripAdvisor 评论，本研究探讨了影响众包极性判断变异的三个重要因素：词性、情感词以及中性词。研究结果表明，单词标题中的形容词倾向于导致较低的判断变异，情感词和中性词也对判断变异起到了一定的影响。然而，这些影响在更长的标题中无法复现，这暗示更长的标题并不适合用来测试单词的歧义性。这项实证研究为研究人员提供了有价值的深入了解影响单词极性变异的因素，为自然语言处理从业者利用西班牙语数据进行极性判断和预测的研究奠定了基础。
May, 2024