本文探讨了多种自然语言处理技术，包括情感分析、习语分类和情感词典的构建。研究提出了基于BERT的模型和双重嵌入方法，提升了成语预测和机器阅读理解的性能，并提出了Emotional Chain-of-Thought方法，增强了大型语言模型在情感生成任务中的表现。

本研究探讨了大型语言模型（LLMs）在生成同理心回应方面的性能，提出了改进方法并通过实验证明其有效性。研究表明，LLMs在情感回应生成质量上显著提升，且在同理心回应能力上超越人类。此外，研究还提出了可扩展的评估框架，以促进未来研究。