情感分析是文本挖掘中的新兴领域，通过计算地识别和分类在不同社交媒体平台上表达的观点，对于了解顾客对产品、服务和最新市场趋势的心态起着重要作用。这篇综述论文定义了情感以及在语音、图像、视频和文本等不同领域中的最新研究和发展，同时还讨论了情感分析的挑战和机遇。

Nov, 2023

我们通过对 189 篇同行评审论文在应用程序、模型和数据集方面的批判性研究，对情感分析（SA）的社会技术方面进行了探究，并从中发现情感分析已成为不同的社会技术系统的重要组成部分，对社会和技术用户产生影响。我们深入社会学和技术文献，揭示了在金融、政府和医疗等领域中对这一概念的不同概念化。我们的研究揭示了情感的明确定义和框架的缺失，从而可能带来挑战和偏见。为了解决这个问题，我们提出了一份伦理表，包含关键问题，以指导从业人员确保情感分析的公平利用。我们的发现强调了在定义 SA 中的情感方面采用跨学科方法的重要性，并为其实施提供了实用的解决方案。

Oct, 2023

现今，网站已成为展示用户对各种事件的意见、情感和感受的必要平台。使用自己的智能手机，每个人都可以在博客和社交媒体上（如 Twitter、WhatsApp、Telegram 和 Instagram）发表关于购买产品、发生事故、出现新疾病等方面的意见。因此，每天都记录了数百万条评论，这创造了大量的非结构化文本数据，可以通过自然语言处理方法从这种类型的数据中提取有用的知识。情感分析是自然语言处理和机器学习的重要应用之一，可以使我们分析评论和其他网页用户记录的文本信息的情感。因此，以下将说明在这一领域中的情感分析、方法和挑战。

Mar, 2023

情感分析是应用于数字文本数据的常见方法，总结了现有工作，但忽视了对有效性和科学实践的讨论。我们通过综合 38 个系统性综述和 2,275 项主要研究，提出了一个针对系统评价方法和报告标准的专属质量评估框架，发现了多样的应用和方法、有限的报告严谨性以及随时间推移的挑战。我们讨论了未来研究和从业者如何解决这些问题，并强调它们在许多应用中的重要性。

Oct, 2023

本文研究了多模态情感分析领域，探讨了社交媒体网络上发布的视觉和文字数据，并提供了包括数据预处理、特征提取技术、情感基准数据集以及适用于不同领域的多种分类方法和数据融合策略。同时，我们还介绍了该领域面临的主要挑战和关键的情感应用。

Jul, 2022

本章介绍了情感分析在现实生活场景中的应用和相关挑战，重点关注情感分析在健康、社会政策、电子商务、数字人文等领域的五个应用，探讨了为什么情感分析在这些领域中具有重要和挑战性，并介绍了当前情感分析研究如何处理这些应用。虽然使用深度学习技术是跨越这些应用的流行范例，但隐私和数据集选择偏差等挑战是几个应用中反复出现的主题。

Jan, 2023

本文讨论了大型语言模型在情感分析任务中的有效性，对 13 项不同的任务进行了评估，在简单任务中表现良好，但在涉及更深层次理解和结构化情感信息方面仍有待提高；然而，在资源有限的情况下，大型语言模型表现出色，提供了潜在可能性。该研究提出了一个新的基准评估框架 SentiEval。

May, 2023

该研究介绍了使用 R 进行情感分析的基本功能，并举例说明了其可能的用例，可以用于社交媒体平台和政治研究领域。

Jun, 2022

本研究使用多层神经网络 MLTA，并结合图神经网络技术进行社交媒体上的情感分析，并能够提取主要的情感，并适用于分析更广泛的 Twitter 数据集。

Jul, 2022

本文介绍了机器学习在情感分析领域的最新进展，并对情感分析的起源、任务、挑战、方法和资源使用以及应用进行了概述。此外，文中还讨论了情感分析存在潜在有害影响的问题，并介绍了追求情感分析公平性的最新研究方向。

May, 2020