研究Reddit上的ChangeMyView社区，通过分析交互动态、语言因素等来了解观点转变的机制，发现不同语言的使用对说服力有很大影响，同时也探讨了如何确定某人的观点是否能被改变。

Feb, 2016

通过实验测试社交媒体争论对不同人格特质人们看法的影响，揭示出情感论证对责任心、开放性、宜人性高的人更具有说服力。

Aug, 2017

本研究应用统计学方法对社交媒体帖子进行分析，研究了回复对话的语气和后续回复的语言和情感变化之间的因果关系，结果显示陈述事实和断言的语气会对对话产生影响，并提供了从文本中估算因果效应的方法。

Jun, 2019

论文探究公共辩论论坛上通过自然语言处理实证证据表明辩手的语言和互动方式在改变读者立场方面起关键作用与心理学研究表明先前信念可能影响我们对论点的解释并可能构成竞争替代解释以研究语言运用与先前信念对说服力的实际影响，我们提供了一个新数据集并提出一种控制环境，在此考虑了两个读者层次因素：政治和宗教意识形态。我们发现，这些读者层面因素所受的先前信念的影响比语言使用效应更为重要，并认为在自然语言处理说服力研究中重要性不言自明。

Jun, 2019

本研究提出了一個新的數據集，旨在研究論證時實際情境和語境對論據質量的影響，並提供整合了語境的預測模型，展示其在預測特定論證中所使用的論點對外界的影響時比僅依賴於論點語言特徵的模型更加準確。

Apr, 2020

此文献综述聚焦于使用自然语言生成(NLG)自动检测和生成说服性文本的应用，旨在延伸之前研究的自动识别文本中的说服力的方面，通过将说服力的决定因素概念化为五个业务关注的类别：仁慈、语言适宜性、逻辑论证、可靠性、工具和数据集，重点关注生成方面，这些因素可以使NLG增加现有信息的说服力，并发展了进一步研究说服性NLG的研究议程，该综述分析了77篇文章，概述了现有的知识体系，展示了这一研究领域的稳步进展。

Jan, 2021

利用IRT模型和三个数据集，包括一个新颖的政治倡导数据集，对语言中的争论说服力进行了分析，通过多种风格和内容表示法表现出分离这些组件的优势，包括评估模型生成的演讲者嵌入与现实世界关于可说服性的观察的相似性。

Apr, 2022

使用多种规模的大型语言模型生成的政治信息，证明规模越大并不意味着越具有说服力，实验结果显示完成任务（连贯性，专题一致性）是较大模型说服力优势的主要原因。

Jun, 2024

我们研究了大型语言模型（LLMs）产生有说服力的文本的能力，通过构建一个新的数据集Persuasive-Pairs，用于训练回归模型来预测文本对之间的说服力得分，并讨论了系统提示中不同'personas'对文本的影响。

Jun, 2024

本研究探讨了讽刺的声学特征，分析讽刺用语使用的倾向与信号讽刺的韵律线索之间的相互作用。研究发现，当讽刺意义在语义上明显时，韵律线索的相关性较低，表明在短语层面上，韵律与语义线索之间存在一种权衡。这一发现揭示了语义丰富的讽刺表达对韵律调制的依赖程度降低，进一步阐明了表达讽刺意图的复杂互动。

Aug, 2024