情感挖掘，也称为情感分析，是自然语言处理（NLP）的一个子领域，专注于识别和提取文本材料中的主观信息。这包括确定文本的整体情感倾向（例如，正面或负面），以及识别文本中表达的具体情绪或观点，涉及使用先进的机器学习和深度学习技术。近年来，基于 Transformer 的语言模型使得人类情感分析任务更加直观，这得益于注意力机制和平行计算的优势。这些优势使得此类模型在语言任务上非常强大，而循环神经网络由于在顺序处理上花费大量时间，处理长文本时容易失败。本文的研究范围旨在探讨最前沿的基于 Transformer 的语言模型在情感挖掘中的表现，并对它们进行高层次的比较以突出其关键特性。此外，我们的比较研究为生产工程师指明了方向，并为研究人员提供了未来研究课题的指导。