本研究分析了社交媒体上对候选人的仇恨言论，建立了标注任务并评测分类器性能。探讨了政治家推文的负面情绪传播趋势，分析了南非选举期间的情感和主题，提出了新的情感分析数据集和方法，强调了大型语言模型在政治文本情感分析中的应用。

本文介绍了一种基于情感分析的新数据集，以及使用该数据集进行的一系列实验。研究者训练了一个强大的情感分类器，用于议会会议，并引入了第一个领域特定的 LLM（语言模型）用于政治科学应用。实验证明，LLM 在议会数据上的额外预训练可以显著提高模型的性能，尤其是在情感检测等具体领域任务上。同时，该研究显示多语言模型在未知语言上表现良好，并且来自其他语言的额外数据显著提高了目标议会的结果。该研究对社会科学的多个领域做出了重要贡献，并建立了一种更可靠的政治文本情感分析方法。