本研究提出了“网络感知”概念，以解决情感计算中准确识别用户情感的挑战。实验结果表明，用户情感相关的“开启”行为频率显著影响情感效价，推动情感意识应用的发展。

本研究提出了一种基于双向长短期记忆网络的情感评分模型，有效解决了传统情感分析无法捕捉用户情感复杂性的问题，性能显著优于传统方法。

本研究解决了推荐系统中用户情感考虑不足的问题。通过新数据集和评估方法，提取用户对推荐项目的情感反应，展示生成的解释如何更好地与用户情感对齐。结果表明，使用用户预测评分的模型能提供更具情感意识的解释。

最近的研究发现，考虑到人口统计信息、用户情感和隐含反馈是提高对话系统用户接受度的关键。研究人员引入了第一个英语数据集FEDI，其中包含了任务导向的对话注释。实验结果显示，这些数据有潜力改善任务完成情况、回答的事实一致性和用户接受程度。

最近的研究发现，考虑到人口统计信息、用户情感和隐含反馈对于任务导向和以文档为基础的对话系统的成功至关重要。研究人员引入了FEDI，这是第一个包含任务导向的以文档为基础的对话的英语数据集，其中注释了人口统计信息、用户情感和隐含反馈。实验结果表明，这些数据有潜力改善任务完成情况、生成回答的事实一致性以及用户接受程度。