本文介绍了动态情感刺激模型及斯坦福情感叙述数据集（SENDv1），该数据集标注了情感随时间的变化。研究了基于时间的情感建模方法TIM-Net，提升了语音情感识别的性能，并探讨了大型语言模型在时间序列分析中的潜力，特别是在低资源语言环境中的应用。研究结果表明，时间性方法在社交媒体用户身份识别中优于非时间性方法。