本文关注机器翻译对情感文本的翻译表现，并通过提出的基于多维质量度量的评估框架，对谷歌翻译的输出进行评估。作者发现大约 50% 的机器翻译输出没有保留原始情感，并认为情感承载词和语言现象是这些翻译错误的常见原因。

Jun, 2023

研究翻译对于虚构故事接受度的影响，结果表明，直接翻译的版本在加泰罗尼亚语中有更高的参与度，享受度和翻译接受度，而荷兰读者在后编辑版本中具有更高的评分，最高的参与度和享受度是在阅读原始英文版本时报告的。

Jul, 2023

本文探讨机器翻译在情感分析模型的分类中可能引入的偏见，并测试了三个开放式的机器翻译模型在五种不同语言的平行语料库上的表现，统计结果表明出现了标签概率分布的偏移，但没有一个是足够一致的使我们认为翻译过程会引入偏见。

Jun, 2023

本文研究了跨多语言数据集及经过机器翻译的文本中，变压器模型在情感分析任务中的表现，并通过比较这些模型在不同语言环境中的效果，洞察其性能变化对情感分析跨多种语言的潜在影响，同时还探讨了其缺点及未来研究的潜在方向。

May, 2024

提出了一种循环强化学习方法，用于解决情感翻译任务中的缺乏平行数据问题，并在 Yelp 和 Amazon 两个数据集上成功实现了内容保留性能的显著提升，达到了 1.64 至 22.46 的 BLEU 分数和 0.56 至 14.06。

May, 2018

本文介绍了一种使用单线性转换来捕捉跨语言情感关系的方法，并演示了如何在非英语环境下应用跨语言情感模型，以实现对英语情感知识的有效利用，从而使得在缺少数据的情况下，以很低的成本分析和提取其他语言的特征成为可能。

Jul, 2017

本文探讨了基于 Transformer 的大规模语言模型中，情感表示的内部机制以及情感分析。研究利用模型对情感分布量化，提出了针对积极、消极、决定、钦佩、焦虑和烦躁等情感的预测器，并且提出了预测分布以生成表达极端情感的句子，这些研究对思考内部机制和心理障碍的影响具有启示性。

Jul, 2023

该研究分析了微博中用户间的情感传播及影响，发现愤怒情绪在网络中传播更迅速和广泛，而悲伤情绪的相关性极低且波动较大；同时，若两个用户之间互动越多，则他们的情感相关性越强，拥有更多好友的用户对其邻居的情感影响更显著，这些研究发现为在线社交网络中情感影响及传播模型建立提供了启示。

Sep, 2013

在跨语言情感分析领域，公共的小型多语言语言模型在零样本跨语言性能上优于大型通用语言模型，但在少样本跨语言设置中，公共的大型通用语言模型展现出更高的适应潜力。

Jun, 2024

本研究探讨了情感识别在不同语言和年龄组之间的可转移性，结果表明不同的语言和年龄组需要特定的音频特征，并指出数据增强可以提高模型的准确性。

Jun, 2023