待验证50% 置信事实精确时间
2018 年 Google 发布的 BERT 模型引入了双向上下文理解能力，显著提升了细粒度情感分类的准确率
1
来源数
50%
置信度
长期有效
时效性
2026/8/23
首次发现
来源
涉及实体
相关事实
待验证情感分析从早期基于词典方法（VADER、TextBlob）发展到基于深度学习的方法（BERT、RoBERTa微调）68% 相似待验证Google发布了一款可控制情感的文本转语音（TTS）模型67% 相似待验证当推荐模型的优化目标被设定为最大化engagement时，模型会系统性给予情绪化内容更高分发权重，这被研究者称为算法放大效应（algorithmic amplification）64% 相似待验证情感理解深度与底层模型强相关：基于GPT-4级别或Claude 3.5级别大模型的产品，能识别反讽、被动攻击、情绪转折等隐含情感；而基于自研小模型（<13B参数）的免费产品往往只做情绪极性分类（正/负/中），对复杂情感回应机械63% 相似待验证语音情感识别技术已能从语调、语速、停顿中识别细粒度情绪状态，准确率超过85%63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/789657API
curl https://kongchang.com/api/v1/knowledge/claims/789657MCP
get_claim(id=789657)