本研究比较了评分尺度方法和最佳 - 最差比较法在数据注释中的可靠性，结果表明，在相同的标注总数量下，最佳 - 最差比较法比评分尺度方法产生了更可靠的结果。

Dec, 2017

利用众智的力量，通过提出包括单词选择问题在内的 “情感注释” 问题，快速且廉价地生成了一个大型、高质量的单词 - 情感和单词极性关联词典，并通过实验证明，询问单词是否与情感相关比询问单词是否会唤起情感，获得更高的注释者互动一致性。

Aug, 2013

本文旨在研究从文本中检测情感强度的任务。我们创建了第一个标记有愤怒、恐惧、喜悦和悲伤强度的推文数据集，并使用最佳 - 最差比例（BWS）技术提高注释一致性和获得可靠的细粒度分数。我们发现情感词 hashtag 通常会影响情感强度，通常传达更强烈的情感。最后，我们创建了一个基准回归系统，并进行实验，以确定哪些特征对于检测情感强度有用，以及两种情感在语言表现方面的相似程度。

Aug, 2017

本文介绍了第一次分享任务，利用 “最优 - 最劣” 刻度（BWS）技术创建了推文的情绪强度数据集，并展示了标注数据的可靠性和机器学习系统的效果，增进了语言传达情绪强度的理解。

Aug, 2017

大语言模型对于分类注释的自动化主要用于处理标注语料库的瓶颈问题，但对于连续标签分配的自动化注释尚无相关研究。本研究通过对情感强度进行自动化预测，并比较直接使用评分标注、两两比较和最佳 - 最差比例三种方法，发现最后一种方法具有最高的可靠性。在这些数据上微调的 Transformer 回归器表现几乎与原始手动标注模型相当。

Mar, 2024

通过提出 SemEval-2013 任务 2：Twitter 情感分析的表达级子任务和消息级子任务以及在亚马逊机械土耳其上使用众包技术标记大型 Twitter 训练数据集及其他的测试集，对情感分析在社交媒体上进行了研究。该研究因结果的准确性获得了广泛关注和讨论。

Dec, 2019

该研究分析使用不同语言的大量手动标记的推文作为训练数据构建自动分类模型时，训练数据的质量和数量对于分类模型的质量比所使用的模型类型更为重要，并且当训练集的大小足够大时，模型的性能接近于标注者一致性，但定期监视标注者的一致性是非常重要的，从而改善训练数据集和模型性能，最后我们还表明，有强有力的证据表明，人们认为情感类别（消极的，中性的和积极的）是有序的。

Feb, 2016

本文探索了加入情感持有者和情感表达信息是否能够改善目标提取和分类，并在 8 个英文数据集上进行了实验证明，预测目标和情感 BIO 标签可以提高目标提取，将输入文本增加黄金表达通常可以改善有针对性的极性分类。同时，我们的结果表明，目前模型预测极性表达的性能差，从而阻碍了实践中这些信息的利用。

Jan, 2021

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

本文介绍了一种名为 “语义缩放” 的新方法，用于从文本中进行理想点估计。利用大规模语言模型根据表达的立场对文档进行分类，并提取类似调查的数据。然后使用项目反应理论对这些数据进行尺度化处理。语义缩放显著改进了现有的基于文本的尺度化方法，并允许研究人员明确定义他们所测量的意识形态维度。这是首个在调查工具之外提供此种灵活性的尺度化方法，为难以进行调查的人群开辟了新的研究途径。此外，它适用于不同长度的文档，并生成对大众和精英意识形态的有效估计。作者证明该方法能区分政策偏好和内外群体情感，并根据人类判断在公众中表现出更好的效果。在国会中，它重新捕捉到了第一维 DW-NOMINATE，并在解决构建效度挑战方面具有更大的灵活性。

May, 2024