本研究针对情感角色标注进行实验，发现在情感体验者的识别上存在困难，但详细提出了一套自动情感体验者检测实验并于此基础上进行情感识别，表明在注释不充分的情况下，进行情感体验者识别可以提高情感识别的准确性。

May, 2023

本文借鉴心理学的评估理论，以英语事件描述文本资源为基础，采用整合性分类方法，对参与情感事件中的不同语义角色进行情感分析，并丰富地注释了事件属性，提供了可供研究不同角色情感和事件评估的有用数据，并能够开发特定于经验者的情感和评估分类系统。

Mar, 2022

该研究分析了评估理论作为一种情感分析方法的适用性，结果表明评估概念可以可靠地由人工注释和文本分类器恢复，并且可以帮助确定情感类别，因此评估理论构成了一种替代的计算情感分析范式，并进一步提高了联合模型在文本情感分类中的表现。

Jun, 2022

情感分析涵盖了各种自然语言处理任务，其共同目标是使计算机能够理解情感。本文综合了 SEAT 和 CEAT 项目的研究结果，并指出了开放性研究问题。

Sep, 2023

本文旨在将心理学中事件的应急评估理论应用到情感分类模型中，实现对事件描述的应急评估变量的学习，证明这种方法能提高分类模型对离散情感分类的准确性，并发布了应急评估标记的情感关联事件描述语料库。

Mar, 2020

通过加入评估变量作为条件，在生成框架中包含评价理论能够提高情感文本生成的准确性，并使用户可以实现更加精细的控制生成的文本。

Jul, 2023

该研究探讨了情感识别中的文本分类、语义角色标注等问题，结果表明在多种语料库中，刺激物和目标是情感识别的有效信息，而体验者则可能会被视为混淆因素。此外，研究发现在文学语料库中，角色信息可以提高情感分类的准确性。

Nov, 2020

本文探讨了基于情感理论的评估维度对于模拟人类情感分析的重要性，并对比了不同基于事件的语料库的手工和自动标注策略，在此基础上提出了 RoBERTa 模型进行情感分析的改进方法。

Feb, 2021

心理学研究中关于情感的复杂过程涉及生理和认知评估方面；虽然情境可以导致不同的情感经验，但是对于认知评估的自动预测却没有多少研究。本研究填补了这一空白，提出了 CovidET-Appraisals 数据集，该数据集是迄今为止最全面的数据集，对 241 个 Reddit 帖子中的 24 个评估维度进行了评估，并提供了自然语言的解释。CovidET-Appraisals 是评估大型语言模型在自动评估和解释认知评估方面能力的理想测试平台。研究结果显示，在这一任务上，尽管最好的模型表现出色，但开源的大型语言模型在此任务中表现不佳，为情感智能模型的未来发展提出了新的挑战。我们在此链接分享了我们的数据集 https URL。

Oct, 2023

本研究介绍一种新的情感分析标注方法，提出一种基于自传故事纪录的情感分析的数据集，探索了使用基于规则的自动标注方法来标注情感及其语义角色，以便教练识别相关方面，并探讨了基于图结构的情感分析的未来方向。

Oct, 2022