研究发表于《国际计算智能研究杂志》，聚焦如何提升人工智能（AI）在书面文本中识别人类情感的能力。研究团队提出了一种新系统，不仅可以判断文本整体的情感倾向——如积极、消极或中性，还能在更细致的“特定方面”层面上进行情感识别。

传统情感分析通常把一句话或一整篇文档当作一个整体来评估，这种做法容易忽略人类表达中的细微差别。以餐厅评论为例，一条评论可能同时“夸食物、批服务”。以往的 AI 模型往往只能给出一个综合情感分数，难以区分评论中针对不同方面的情绪指向。

新模型通过突出文本中情绪色彩最强的关键词，来克服这一局限。这些关键词是句子里承载主要情感信息的词汇。模型采用了注意力网络，这是一种计算机制，可以让 AI 在处理输入时有选择地“重点关注”某些信息，从而更准确地捕捉情感来源。

借助对高情感权重词汇的聚焦，系统能够对文本中特定方面的情感进行分类。在餐厅评论的例子中，该模型可以将“食物”相关内容识别为积极情感，同时把“服务”相关内容识别为消极情感，从而给出更细腻、分层次的情感解读。研究指出，这种对情绪关键词的关注，为自然语言处理中的情感分析带来了有益的改进。

这类工具对依赖客户反馈、社交媒体舆情和在线评论的企业具有实际应用价值。通过使用该系统，公司可以更快发现网络讨论中的具体关注点，并及时作出回应，以帮助管理品牌形象和优化营销策略。系统还可能支持面向个人或特定群体的定向回复，从而提升客户满意度和品牌认知度。

研究工作体现了人工智能领域一个不断发展的方向：让计算机更好地理解语言与情感之间的关系。通过将情感分析从“整段文本”扩展到“单个方面”层面，这种方法有助于构建更具感知能力、更加理解上下文的 AI 系统。