At the dawn of the year 2020, the world was hit by a significant pandemic COVID-19, that traumatized the entire planet. The infectious spread grew in leaps and bounds and forced the policymakers and governments to move towards lockdown. The lockdown further compelled people to stay under house arrest, which further resulted in an outbreak of emotions on social media platforms. Perceiving people's emotional state during these times becomes critically and strategically important for the government and the policymakers. In this regard, a novel emotion care scheme has been proposed in this paper to analyze multimodal textual data contained in real-time tweets related to COVID-19. Moreover, this paper studies 8-scale emotions (Anger, Anticipation, Disgust, Fear, Joy, Sadness, Surprise, and Trust) over multiple categories such as nature, lockdown, health, education, market, and politics. This is the first of its kind linguistic analysis on multiple modes pertaining to the pandemic to the best of our understanding. Taking India as a case study, we inferred from this textual analysis that ‘joy’ has been lesser towards everything (~9-15%) but nature (~17%) due to the apparent fact of lessened pollution. The education system entailed more trust (~29%) due to teachers' fraternity's consistent efforts. The health sector witnessed sadness (~16%) and fear (~18%) as the dominant emotions among the masses as human lives were at stake. Additionally, the state-wise and emotion-wise depiction is also provided. An interactive internet application has also been developed for the same.

2020 年伊始，世界遭受了严重的 COVID-19 大流行病的袭击，给整个星球带来了创伤。传染性传播突飞猛进，迫使决策者和政府采取封锁措施。封锁进一步迫使人们被软禁，这进一步导致社交媒体平台上的情绪爆发。在这些时期感知人们的情绪状态对于政府和决策者来说变得至关重要且具有战略意义。在这方面，本文提出了一种新的情感关怀方案，用于分析与 COVID-19 相关的实时推文中包含的多模态文本数据。此外，本文研究了自然、封锁、健康、教育、市场和政治。据我们所知，这是首次对与大流行有关的多种模式进行此类语言分析。以印度为例，我们从这个文本分析中推断，由于污染减少的明显事实，“快乐”对一切事物（~9-15%）都较少，但自然（~17%）。由于教师兄弟会的不懈努力，教育系统需要更多的信任 (~29%)。当人类生命受到威胁时，卫生部门见证了悲伤 (~16%) 和恐惧 (~18%) 成为大众的主要情绪。此外，还提供了状态和情感方面的描述。还为此开发了交互式互联网应用程序。据我们所知，这是首次对与大流行有关的多种模式进行此类语言分析。以印度为例，我们从这个文本分析中推断，由于污染减少的明显事实，“快乐”对一切事物（~9-15%）都较少，但自然（~17%）。由于教师兄弟会的不懈努力，教育系统需要更多的信任 (~29%)。当人类生命受到威胁时，卫生部门见证了悲伤 (~16%) 和恐惧 (~18%) 成为大众的主要情绪。此外，还提供了状态和情感方面的描述。还为此开发了交互式互联网应用程序。据我们所知，这是首次对与大流行有关的多种模式进行此类语言分析。以印度为例，我们从这个文本分析中推断，由于污染减少的明显事实，“快乐”对一切事物（~9-15%）都较少，但自然（~17%）。由于教师兄弟会的不懈努力，教育系统需要更多的信任 (~29%)。当人类生命受到威胁时，卫生部门见证了悲伤 (~16%) 和恐惧 (~18%) 成为大众的主要情绪。此外，还提供了状态和情感方面的描述。还为此开发了交互式互联网应用程序。我们从这个文本分析中推断，由于污染减少的明显事实，“快乐”对一切事物 (~9-15%) 但对自然 (~17%) 的影响较小。由于教师兄弟会的不懈努力，教育系统需要更多的信任 (~29%)。当人类生命受到威胁时，卫生部门见证了悲伤 (~16%) 和恐惧 (~18%) 成为大众的主要情绪。此外，还提供了状态和情感方面的描述。还为此开发了交互式互联网应用程序。我们从这个文本分析中推断，由于污染减少的明显事实，“快乐”对一切事物 (~9-15%) 但对自然 (~17%) 的影响较小。由于教师兄弟会的不懈努力，教育系统需要更多的信任 (~29%)。当人类生命受到威胁时，卫生部门见证了悲伤 (~16%) 和恐惧 (~18%) 成为大众的主要情绪。此外，还提供了状态和情感方面的描述。还为此开发了交互式互联网应用程序。当人类生命受到威胁时，卫生部门见证了悲伤 (~16%) 和恐惧 (~18%) 成为大众的主要情绪。此外，还提供了状态和情感方面的描述。还为此开发了交互式互联网应用程序。当人类生命受到威胁时，卫生部门见证了悲伤 (~16%) 和恐惧 (~18%) 成为大众的主要情绪。此外，还提供了状态和情感方面的描述。还为此开发了交互式互联网应用程序。