这篇论文研究了在情感分析过程中使用序列标注句法解析器注入句法信息以提高速度和准确性的方法，通过对三元极性分类任务进行训练和评估，展示了该方法相较于传统的句法解析器和基于浅层句法规则的启发式方法在极性预测任务中更快且更准确的表现，特别适用于在研究和工业领域中进行情感分析的实践者。此外，还比较了在极性预测任务中使用几种情感词典在序列标注句法解析器上的表现，结果显示对于捕捉极性判断变化的词典比忽略极性判断变化的词典效果更好，而且与基于 Transformer 模型的五类别分类任务相比，序列标注句法解析器在极性预测任务中表现更快。

Jun, 2024

研究了基于大型语言模型的文本简化方法，提出了一种人工评估框架 SALSA，并使用该框架进行了细致的简化质量评估，发现 GPT-3.5 可以比人类更优秀的进行简化但仍存在错误；同时，提出了一种基于编辑注释的自动评估方法 LENS-SALSA，并报告了良好的初步结果。

May, 2023

本文详细阐述了情感分析的最新趋势和技术，通过系统综述了词汇、图形、网络、深度学习和规则等方法并比较分析数据集和评价指标，展现了情感分析的广泛应用领域，并旨在提高情感分析的效率和准确性。

May, 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

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

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

通过比较分析，本研究探讨了深度神经网络在基于方面的情感分析方面的应用，并发现 FAST LSA 在两个基准数据集（Restaurant14 和 Laptop-14）上取得了最佳结果，准确率分别为 87.6% 和 82.6%，但 LSA+DeBERTa 则报告了分别为 90.33% 和 86.21% 的准确率。

Jul, 2024

本文介绍了一种评估情感分析系统漏洞的新方法，通过在受保护变量上控制调节输入以测试输出的情感是否对其敏感，给 SASs 分配标签（评分），以此评估其对输入变化的强度和鲁棒性，提高公平性，尤其对于开发人员寻找有效的信息来构建更大型的 AI 系统非常有用。

Feb, 2023

本文对三种软件工程特定定制的情感分析工具的性能和可靠性进行了基准研究，分析了错误分类文本的质量，从而反思分析出了面临的挑战。

Mar, 2018

本研究提出了一个基于用户评价的新型多类乌尔都数据集，旨在为乌尔都情感分析构建手动注释的数据集，并建立基准结果。使用五种不同的词库和基于规则的算法，最终实验结果表明，Flair 的准确率为 70%，优于其他测试的算法。

Jul, 2022