通过将表情符号、话题标签和用户提及作为特征与文本共同建模，该模型在政治情感分析中取得了优于基线模型的性能。
Jean Aristide, Aquino · Di Jie, Liew · Chang, Yungchun
Engineering Applications of Artificial Intelligence 2025
模型独特地将表情符号、话题标签和用户提及作为特征融入BERT-GCN架构，增强了语义理解，而不像以往研究那样丢弃这些元素。
在不平衡数据集上，模型的宏观召回率达到64.73%、宏观F1分数达到68.72%，显著优于基线模型。
通过结合BERT嵌入、LDA和LLR的主题建模框架，得到更清晰的主题簇，支持更深入的情感分析。