随着社交网络的兴起,越来越多的人们开始利用诸如新浪微博等社交平台开始发表自己对于各种话题的讨论与观点,因此而产生了大量带有情绪特征的社交文本,这些社交文本的产生使得情绪分析在自然语言处理任务中逐渐热门起来。而情绪诱因抽取作为深层次的文本情绪理解已成为情绪分析任务中的新热点,当前研究通常把诱因抽取和情绪识别看作两个独立的任务,容易导致错误在任务间的传播问题。本文考虑到情绪识别和诱因抽取之间有不可切断的关系,以及微博文本中表情符通常能够作为文本所蕴含情绪的表达,提出了一种基于Bi-LSTM-CRF模型的情绪诱因和表情符情绪识别的联合模型。该模型可以将微博文本中用户所表达的情绪发生的原因在文本中标记出来,并识别出文本中包含的表情符所蕴含的情感类别。主要研究工作如下:(1)构建情绪诱因及表情符情绪类别的微博情绪语料库,通过爬虫在新浪微博平台上爬取微博文本,对于文本中的情绪诱因子句及表情符所表达的情绪进行人工标注。(2)将情绪诱因抽取以及情绪识别形式化为一个统一的序列标注问题,充分利用了情绪诱因与情绪之间的互相作用,利用Bi-LSTM-CRF模型将情绪诱因的抽取和情绪识别同时进行。在本文所构建的微博情绪语料库上的实验结果表明,本文提出的基于Bi-LSTM-CRF 的微博情绪诱因抽取及情绪识别的联合模型相 比于两个任务进行串行实现时,在两个任务上的效果均有不小的提升。