情感词典的有效使用中的实践和道德考虑
本文介绍了情感计算和 AI 伦理学的想法，旨在呈现有关情感词汇表创建和使用的实践和伦理考虑事项 —— 最佳实践。该目标是提供全面的相关考虑因素，以便读者（特别是那些新于情感处理的人）可以在一个地方找到相关信息。 我们希望这项工作将促进更多思索，在决定要处理哪些情感，如何创建情感词典，如何使用情感词典，如何得出有意义的推理以及如何判断成功方面有所依据。
Oct, 2022
该研究提出了一种用源语言情感词汇表、双语词汇翻译模型和目标语言嵌入模型来创建任何目标语言情感词汇表的方法，并在全球 91 种语言中评估自动生成的词汇表，结果显示其产生的结果符合单语言方法创造情感词汇表的最新技术水平，甚至在某些语言和变量方面超过人工可信度。
May, 2020
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
通过使用领域特定的词向量和标签传播框架，结合少量种子单词，创造与手动资源相媲美的精准的领域特定情感词典，用于量化情感在时间和社区之间的差异，并在此基础上，提出了历史情感词汇表和社区特定情感词汇表。
Jun, 2016
探索将情感、情绪和领域特定的词表融入基于 Transformer 模型的抑郁症状估计中的影响。通过标记患者 - 治疗师对话的输入转录和社交媒体帖子中的单词来添加词表信息。总体结果表明，在预训练语言模型中引入外部知识可以提高预测性能，而不同的词表在目标任务上显示出不同的行为。此外，在患者 - 治疗师访谈中获得了新的抑郁水平估计的最新成果。
Apr, 2024
本文提出一种将词嵌入、词表嵌入和注意力机制集成到卷积神经网络中进行情感分析的新方法，该方法在 SemEval'16 任务 4 数据集和 Stanford 情感树库上得到了比现有最先进系统更好的结果。
Oct, 2016
本文扩展了一种英语情感词典并创建了适用于意大利语的新词典，同时提出了简单的方法来提高不同特定领域的数据集和任务的性能。
Oct, 2018
我们通过概述一些重要的与哲学相关的伦理概念并系统调查现有的有关道德自然语言处理的文献，回应这一研究空白，因为大多数论文对术语的定义不清晰且不符合哲学定义，希望我们的工作能引导到更加明晰、谨慎和严谨的语言技术道德讨论。
Oct, 2023
本研究首次系统而定量地评估了自动生成的情感弧，并比较了使用机器学习模型和仅词典方法生成情感弧的优劣。研究发现，尽管词典方法在实例级别上表现不佳，它们通过聚合来自数百个实例的信息高度准确地生成情感弧。此结果对商业发展，以及注重简单解释方法、不需要特定领域培训数据、编程专业知识和高碳足迹模型的心理学、公共健康、数字人文等领域的研究具有广泛的影响。
Oct, 2022