优化情绪分析的语言模型：认知科学的见解
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
探索词语的意义以及儿童语言习得对语言理解模型的影响，重点关注在儿童语言学习环境中具体和抽象概念的知觉和行动能力，以及情感和认知与语言学习过程的关系，为类似于儿童环境下学习语言的语言学习代理提出一些要求。
Jul, 2023
本研究提出了一种新型深度学习框架，用于生成细粒度情感的嵌入式表示，可用于计算描述情感心理模型。通过与多头探测模型集成的上下文嵌入编码器，可以动态地学习情感表示并优化情感分类任务，评估结果表明可以达到最先进的 32 种情感分类。最后结合情感图生成情感轮并增强丢失的情感状态模型价值。
Apr, 2021
本研究提出一种使用读者眼动模式获取认知特征的方法，以增强情感分析和讽刺检测的性能，结果表明：使用这种增强型特征集合可以将极性检测的 F 分数最高提升 3.7％和 9.3％。
Jan, 2017
本文提出了一种通过视角损失来改进的多模态语音情感识别模型，通过融合音频和文本信息来提高多模态任务的性能表现，在 IEMOCAP 数据集上获得了最新的最佳表现。
Apr, 2023
本文介绍如何在计算认知结构中表达情感，并着重讨论了情感新兴属性方面的相互作用研究，得出使用认知式人机交互方法能准确表达人类内部状态和过程的优势结论。
Dec, 2022
本篇论文提出利用基于 LSTM 的深度学习模型来检测文本对话中的情绪，讨论了利用语义和情感嵌入的半自动化技术来收集训练数据以及结合方案，该方法在真实场景下的表现优于传统机器学习基准线和其他现成的深度学习模型。
Jul, 2017
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
本文研究了多模态经验、语言学习和具体到抽象的词汇发展历程，并提出了一种结合当代模型和基于词汇的模型的语义模型，并使用机器人对话系统来学习语言。
May, 2021