本研究探讨大型语言模型（LLMs）在情感推断和概念理解方面的能力，发现其情感知识结构与人类相似，能够有效捕捉人类概念。研究表明，LLMs在文本理解和逻辑推理上表现优异，并通过与人类认知信号对齐，提升了其在认知语言处理中的有效性。

本研究提出了一种新的情感分析标注方法，基于自传故事的数据集，探索自动标注情感及其语义角色的可能性。研究表明，现有技术难以应对人类情感的复杂性，需关注语言细节。同时，介绍了结合视觉和文本分析的多模态情感分析方法，以提升情感状态推断的准确性。