情緒誘因抽取作為深層次的文本情緒理解已成為情緒分析任務(wù)中的新熱點，當前研究通常把誘因抽取和情緒識別看作兩個獨立的任務(wù)，容易導(dǎo)致錯誤在任務(wù)間的傳播問題。考慮到情緒識別及誘因抽取是相互作用的，以及微博文本中表情符通常表達文本的情緒，提出了一種基于雙向長短期記憶條件隨機場（ Bi-LSTM-CRF）模型的情緒誘因和表情符情緒識別的聯(lián)合模型。該模型將情緒誘因抽取以及情緒識別形式化為一個統(tǒng)一的序列標注問題，充分利用了情緒誘因與情緒之間的互相作用，將情緒誘因的抽取和情緒識別同時進行。實驗結(jié)果表明，該模型在誘因抽取任務(wù)中的F值為82.70%，在情緒識別任務(wù)中的F值為74.74%，相比串行模型的F值分別提高5.82和17. 12個百分點，這個結(jié)果表明聯(lián)合模型能夠有效降低任務(wù)串行進行時的誤差傳遞，同時提高了誘因抽取和情緒識別的F值。
?

　　情緒分析是自然語言處理領(lǐng)域特別是社交媒體領(lǐng)域非常重要的研究內(nèi)容之一，主要研究文本所蘊含的情緒及與情緒相關(guān)的深層信息。目前文本的情緒分析主要集中在情緒識別任務(wù)上，如文本的情緒極性分析，等對文本的正負面情感程度進行了研究；或判斷文本的情緒是高興、喜歡、討厭等。就對微博文本的情緒分類進行了探索。

?

　　為了實現(xiàn)深層次的文本情緒理解，情緒誘因抽取。已成為情緒分析中新的熱點問題，所謂情緒誘因抽取就是針對文本中出現(xiàn)的被描述者的情緒，抽取出被描述者情緒產(chǎn)生的原因信息。當前對情緒誘因的抽取主要分為兩類方法：一類是基于規(guī)則的方法。主要是通過語法規(guī)則構(gòu)造情緒誘因與情緒之間的模板進行情緒誘因的抽取；還有一類是基于統(tǒng)計的方法。主要通過條件隨機場（ Conditional Random Field，CRF）和支持向量機（Support Vector Machine，SVM）分類器等方法進行情緒誘因的抽取。