该文综述情感分析研究进展，涵盖乌尔都语、阿拉伯语等多语言数据集构建与基准测试，涉及基于词典、规则、深度学习及Transformer的方法。Flair准确率达70%，阿拉伯语词级F1值为0.92。文章还探讨方面级情感分析（ABSA）、大型语言模型评估及可解释框架，指出大型语言模型在简单任务上表现良好，但深层理解仍需提升。

该文综述方面级情感分析（ABSC/ABSA）的多项研究：IAGA梯度框架提升可解释性；CVIB对比变分信息瓶颈减少虚假关联；KGAN知识图增强网络结合RoBERTa与分层融合；基于图的模型注入依存树重要性得分；卷积网络结合门机制选择情感特征；信息瓶颈方法生成自由文本解释；PGIB结合原型学习提供关键子图；AGDT利用方面指导句子编码。多项方法在基准数据集上取得最优性能。