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。

本文提出了一种新的情感引导机制EmpRes，用于心理健康咨询，旨在解决专业人士不足和高成本的问题。研究表明，EmpRes在处理用户情感方面表现优越，91%的用户认为其有效，显示出在心理健康支持中的潜在应用价值。

本文提出了一种基于常识的共情反应生成方法，结合用户情感和认知理解，实验结果表明其在生成共情性响应方面优于基线模型。研究引入了串行编码和情感-知识相互作用方法，显著提升了对话生成的表现，CAB框架和自适应模块的应用也改善了共情回应的质量，展示了该领域的创新进展。

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。