本研究提出了一种结合人类注解者与大语言模型的方法，用于构建粤语情感词典。结果表明，这种方法能显著提升标签质量，为低资源语言的自然语言处理提供新方案。

本研究提出了一种新框架，将情感词典与大语言模型结合，以提升自动聊天机器人在心理治疗中的同理心和连贯性。实验结果表明，情感嵌入显著改善了生成响应的质量。

本文探讨了利用领域特定词向量和标签传播框架，结合少量种子单词，创建精准的情感词典以量化情感差异。研究提出了一种自动检测抑郁症的新策略，采用数据增强和机器学习方法，在多个数据集上取得了优异的分类效果，并强调了性能与能源消耗的平衡。

本研究探讨了文本与表情符号的关系，提出了一种基于BERT的模型来预测文本中最合适的表情符号，实验结果显示该模型的准确性优于其他模型。此外，研究利用迁移学习提升情感任务的表现，并构建了表情符号情感词典，展示了表情符号在自然语言处理中的应用潜力。

该论文介绍了一种基于通用依存分析的无监督情感分析方法，利用句法规则和情感词典提高情感分析的可解释性、鲁棒性和可用性。该方法表现出明显的改进，并提出了未来改进方向。