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，容易導致錯誤在任務間的傳播問題?？紤]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。實驗結果表明，該模型在誘因抽取任務中的F值為82.70%，在情緒識別任務中的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，這個結果表明聯合模型能夠有效降低任務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域特別是社交媒體領域非常重要的研究內容之一，主要研究文本所蘊含的情緒及與情緒相關的深層信息。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的被描述者的情緒，抽取出被描述者情緒產生的原因信息。當前對情緒誘因的抽取主要分為兩類方法：一類是基于規則的方法。主要是通過語法規則構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。