论文提供了一个大型情感分析数据集 (ArtEmis)，用于分析视觉艺术作品与情感体验之间的关联，旨在通过机器学习模型提供情感影响和语言解释之间的详细理解。通过调查人类对于 81,000 幅维基百科艺术作品的情感归属权和解释等信息，对与视觉作品产生情感联系的数据信号进行了精细的建模，进而提出了能够清晰表达视觉刺激的情感并解释其语义和抽象内容的系统。

Jan, 2021

本文介绍一项研究，通过一个包含 85,007 张公开图片、526,749 个情感反应和自由文本解释的大规模数据集，探讨使用自然语言表达对给定视觉刺激的情感反应所引起的情绪反应。研究提出了三个问题来解决这个新任务，并介绍了一些方法和开源数据集。

Oct, 2022

本文提出了一种智能虚拟助手，可通过情感语义解释人类语音情感， 并且通过声音风格转移和人工生成方法生成特定情感的声波，使得与之互动的人有更好的体验。

Apr, 2023

本研究提出了一种基于情感上下文的语言建模方法，可以更有效地考虑语言生成过程中的情感内容。使用 Empathetic-Dialogues 语料库进行实验，相较于现有方法，本方法在困惑度指标上提高了 5 个百分点，并获得了更高的 BLEU 指标分数。

Nov, 2019

该研究详细研究了文化和语言的独特性，特别是情感语义和情感在社交多媒体中的表现，并提出了一种基于多语言的新方法来自动发现情感构造。多语言视觉情感概念本体（MVSO）的创建是通过提出一种在社交多媒体平台上应用的类别聚类视觉检测名词和这些名词情感偏见版本的子聚类的方法来实现的，并展示了一个基于图像的预测任务以显示特定语言模型在多语言环境中的普适性。此外，该研究还发布了一个 >15.6K 跨 12 种语言的情感偏执视觉概念数据集以及对应的检测库和 >7.36M 张图像和元数据。

Aug, 2015

本文提出了一种基于 LEAPMood 的自然语言文本情绪预测方法，该方法使用字符嵌入、音素哈希和注意力等技术，结合基于遗传算法的超参数调整方法，实现了情绪识别和情绪预测，并在 DailyDialog 数据集上取得了精确度为 62.05%、内存大小为 1.67MB 的 Emotion Recognition in Conversion (ERC) 模型，和 Macro F1-score 为 72.12% 的 mood prediction 效果。

Feb, 2022

本研究通过将情感融入歌曲推荐过程中，引入了一种人工智能模型，能够准确检测用户的实时情感，并生成符合用户情感状态的个性化歌曲推荐，从而提升用户体验，创造更具共鸣和意义的听歌体验。

Nov, 2023

EmoWear 是一款智能手表语音消息系统，通过在消息气泡上应用 30 个动画提示，反映出情绪，进而提升语音消息中的情感交流体验。该系统通过语义和声学处理来优化情绪选择，研究表明 EmoWear 显著增强了接收和发送消息的情感交流体验，并被认为具有直观的丰富表达方式。研究对未来设计提出了有价值的交互质量和实际应用意见。

Feb, 2024

EmotionPush 是一种基于情感分类器的系统，可以通过手机上带有颜色的推送通知自动传达接收到的文本的情感，并有助于用户优先处理互动。

Oct, 2016

MoodSwipe 是一款软键盘，它使用实际对话数据来建议文本消息，以感知用户指定的情感，并自动标记数据，以用于开发更高级的技术。

Jul, 2017