待验证78% 置信决策规则时间未知
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
1
来源数
78%
置信度
中期 (~90 天)
时效性
-
首次发现
来源
涉及实体
相关事实
待验证GPT-4o这类模型能够识别文本的情感倾向，判断正向、负向或中立情绪78% 相似待验证基于普鲁契克情绪轮理论设计，将情绪按基本情绪及其强度层级分类，适合有一定心理学基础或愿意深入学习情绪理论的用户78% 相似待验证优质情绪绘本应包含'情绪—身体感受—应对策略'三段式结构（如'生气时心跳加快→深呼吸数到10'），只描述情绪而无具体调节方法的绘本对情绪管理帮助有限，选购时翻到情绪高潮页后确认是否有可操作的平复方法77% 相似待验证当前情感分析技术主要依赖文本情感极性判断（正面/负面/中性），对细粒度的交互意图区分仍然力不从心76% 相似待验证选择含情绪分类框架的本子时，优先看是否基于成熟情绪轮模型（如Plutchik情绪轮或Feelings Wheel的6大类+细分），仅给'开心/难过/生气'三档的过于粗糙，无法帮助精细化情绪颗粒度（emotional granularity）76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/463422API
curl https://kongchang.com/api/v1/knowledge/claims/463422MCP
get_claim(id=463422)