会话情感识别作为情感识别任务的一个重要组成部分,在自然语言处理、文本挖掘等领域得到持续关注。会话情感识别任务旨在捕捉用户在会话中的情感动态,其在对话系统、舆情挖掘、法律审判、采访、电子医疗服务等方面具有重要的应用前景。随着社交媒体的普及,越来越多的用户选择在网络上表达自己的观点,而用户在表达观点的过程中经常依靠一些常识知识,同时会话中也经常存在让谈话者产生某种情绪的原因。由于现有的模型缺乏常识认知能力以及推理能力,从而导致模型对会话情感识别不准确。本文提出了基于注意力知识增强的会话情感识别模型,目的在于利用注意力机制将知识融入会话,丰富会话中的语义信息。同时采用多回合推理模块提取会话上下文特征实现最终情感分类。本文的主要研究工作如下:（1）针对会话情感识别模型缺乏常识认知能力的问题,本文提出了基于注意力知识增强的增量编码模型。该模型引入常识知识和情感词典,并将外部知识与会话内容进行建模。首先,本文提出了双层情感图注意机制丰富会话的语义信息,从而挖掘会话中的隐藏情感信息。其次,采用增量编码模块对会话上下文编码,分别提取会话的句子级上下文和会话级上下文,进一步提取会话中关键的上下文语境。通过实验验证,该模型相比于其他会话情感识别模型其模型准确率有一定的提升,在五个数据集上分别提升了1.17%、3.76%、1.28%、1.07%以及1.25%。证明了基于注意力知识增强的增量编码模型的有效性。（2）针对会话情感识别模型缺乏一定的推理能力的问题,本文提出了基于注意力知识增强的多回合推理模型。该模型利用外部知识丰富会话的语义信息,并采用多回合推理过程整合会话中的情感线索。首先,多回合推理模块获取会话的全局上下文作为会话情感的参考信息。其次,模型通过多轮检索过程整合会话中的上下文线索,并采用多任务学习框架训练模型,降低模型损失。通过实验验证,本文的基于注意力知识增强的多回合推理模型将常识知识和推理过程相融合,提高了模型处理的准确性。在三个数据集上分别提升了1.04%、1.26%、2.76%。证明了基于注意力知识增强的多回合推理模型的有效性。（3）为了验证所提出的基于注意力知识增强的会话情感识别模型的实际应用效果,本文设计并开发了基于注意力知识增强的会话情感识别系统,实现用户交互过程中心理状态的动态捕捉,关注用户心理健康。通过实验验证,证明了基于注意力知识增强的会话情感识别模型对实际问题的有效性。