通过简单的卷积神经网络和多种网络可视化技术实现了一种较好的有关礼貌性预测的可解释神经网络，从而自动识别礼貌性理论的多种难以捉摸的语言学特征，发现多种新的高得分礼貌策略，提高了网络预测准确性并提供了神经网络成功的定量解释。

Oct, 2016

此研究对九种语言中的礼貌现象进行了研究，并创建了 TyDiP 数据集，其中包含每种语言 500 个例子的三分类礼貌注释，该数据集可用于评估多语言模型在识别礼貌水平方面的表现，以及英语礼貌策略词汇在九种语言中的映射和形式与礼貌之间的关系。

Nov, 2022

本文介绍了关于礼貌情感对话行为关联的发现，证实了愤怒和厌恶等情感类别的话语更有可能是不礼貌的；而快乐和悲伤则更有礼貌。同时，我们也发现 Inform 和 Commissive 比 Question 和 Directive 包含更多有礼貌的话语。文章最后总结了这些发现的未来工作，以扩展使用礼貌教学社交行为的学习。

May, 2022

本文提出了一种新的礼貌转化任务，旨在将非礼貌语句转化为礼貌性语句并维持原意。我们提供了一个包含 1.39 多个自动标记有礼貌度的数据集，以鼓励对这一新任务进行基准评估。我们设计了一个标记生成管道，识别出风格属性，然后生成目标风格的句子，同时保留了源内容的大部分信息。对于礼貌性以及其他五个转移任务，我们的模型在内容保留的自动度量标准上优于现有技术，同时在风格转换准确性方面具有可比或更好的表现。此外，我们的模型在语法正确性、意义保留和转移准确性的人类评估方面优于现有方法的六个风格转移任务的所有。数据和代码位于此 https URL。

Apr, 2020

该研究分析了三个计算系统，通过对意图和礼貌进行分类，重点研究前者如何影响后者。研究发现对话行为可以提升对面子行为的检测性能，指出面子和意图之间存在密切的关系。

Jun, 2024

本文介绍了一种利用技术自动帮助人们适应多样化的交流方式的方法，以案例研究为例，旨在通过提供替换建议以实现特定交流环境下预期礼貌水平的准确传达，通过两种真实通信情境的评估，我们展示了这种方法的可行性，并证明它可以减少在两种情况下，讲话者和听众之间的意图不一致的潜在可能性。

Nov, 2020

使用解释框架从多语言语言模型中提取风格差异，比较不同语言之间的风格差异，探索礼貌在四种语言中的变化，进一步评估不同语言类别如何对风格变化做出贡献，并提供人们在全球范围内沟通差异的可解释性见解。

Oct, 2023

本研究通过分析一个在线编织社区中的帖子，找到了代表性的语言特征，研究了语言特征与个体互动中的影响力之间的关系。研究结果表明，语言特征与其影响他人的能力之间存在着重要的相关性。

Jul, 2017

本文提出了一个基于礼貌理论的广义面孔行为建模框架，通过计算模型对面孔行为进行识别和预测，在许多前人研究中得到印证。

Sep, 2020

通过对美国新闻的礼貌性手动标注的语料库，测试 Jigsaw Perspective API 是否能够检测到不礼貌的程度，结果表明，Perspective 等模型无法很好地分析新闻中的不礼貌性，需要开发去除新闻中经常提到的词之间的虚假相关性的方法，这样才能更好地解决新闻中的不良言行问题。

Feb, 2021