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

该论文介绍了一个由超过 4500 万条来自美国和加拿大的地理定位推特组成的 “TUSC” 的数据集，以及一个用于捕捉推特情感的度量标准 “TED”。研究使用 TED 和 TUSC 探索了 2019 年至 2021 年期间推特用户在情感表达方面的差异，以及 COVID-19 大流行对推特情感的影响。结果表明，加拿大推特比美国推特情感更积极，高峰期表现了更多的负面情绪。此外，本文在 170,000 个推特用户上进行度量，旨在为公共卫生、情感科学、社会科学和心理学等领域的研究提供有用的数据。

Apr, 2022

本文从微博的用户中研究表达压力的语言差异现象，发现在控制了社会经济和性别差异的情况下，中国的城乡居民在表达压力时具有很大的差异，且这种差异是城乡地区的不同环境和生活方式导致的。

Oct, 2021

通过分析社交媒体上遭受的情绪和传播度，本文探讨了新闻文章的传播和情感之间的关系，并发现情感是影响新闻传播和传染力的根本。

Mar, 2015

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

本文使用社交媒体，并基于频率、语境和话题关联来比较不同国家在使用表情符号方面的异同，探讨表情符号使用的相似性和差异性，研究者发现表情符号的使用存在着显著的文化差异和规范性的使用模式，这揭示了表情符号在跨文化交流中的应用价值。

Apr, 2019

研究探讨了美国和印度在 2020 年 2 月至 2021 年 4 月的十五个月中通过超过 5400 万条推特表达的与 COVID-19 相关的各种情绪，应用预训练的情感分析和主题建模算法，研究了四种不同类型的情绪（恐惧、愤怒、快乐和悲伤）及其时间和位置相关的变化。结果显示了不同国家之间的显着差异和随着时间变化而变化的相对情感比例，讨论了发现的不同之处并探讨了它们的含义。

Mar, 2023

该研究首次研究推文情绪动态与心理健康障碍之间的关系，发现言语情绪动态指标与自我公开的诊断之间存在显著差异，这为语言线索在心理疾病的诊断和管理中发挥关键作用提供了重要的初步证据。

Oct, 2023

本文介绍了利用深度学习方法对情感进行分析与识别的相关研究，以及在真实情境下（in-the-wild）数据上进行大规模情感分析所需深度神经网络的架构设计，并提出了一种基于多任务学习和整体框架的方法，通过改进现有的情感识别技术来提高情感识别效果。

Mar, 2021

通过对推特社交媒体上的三个语料库的量化分析，本文发现，情感和信息内容对推文的传播具有显著的影响，尤其是对于新闻类话题，负面情绪会增强传播效果。

Jan, 2011