近年来,用户经常在社交媒体上表达自己的观点,包括但不限于对产品,服务,组织及事件的态度。因此,对用户生成文本的情绪识别研究可以广泛应用于意见收集、舆论挖掘等各个领域。目前,虽然现有的文本情绪识别研究取得了一定的成果,但用户生成文本具有情绪表达方式多样、情绪信息稀疏的特点,使得现有方法无法准确识别用户生成文本的情绪。本文主要工作如下:（1）针对用户生成文本中的情绪表达存在中英文混合、颜文字、缩写、替换以及难以理解的网络新词等情况,提出了一种融合多元数据的文本情绪表达规范化框架。此框架可以使用构建的颜文字库、网络新词库将用户生成文本中的颜文字、网络新词替换为库中的语义解释;使用百度翻译开放平台工具对文本中的英文进行翻译;使用同义词词林处理文本中的其他未登录词。（2）针对用户生成文本中的情绪信息稀疏的问题,提出了一种融合情绪标签信息的文本情绪识别模型。模型通过利用标签注意力机制,获取标签与词表示的相关性矩阵,引入了情绪标签信息增强用户生成文本的情绪信息,显式的建模了情绪标签和文本之间的关系,并结合文本的上下文信息与局部语义进行文本情绪识别。（3）设计并实现了一个基于情绪识别的对话系统,该系统结合序列到序列对话生成模型,并结合论文中的研究工作,能够识别用户输入话语的情绪并生成对话。在NLPCC2014task4数据集上进行了实验,与最优的基线模型相比,经过文本情绪表达规范化后,情绪识别模型Text RNN＿A在标签排名平均精度、准确率、微平均F1指数、宏平均F1指数提高了0.63%、0.6%、0.5%、1.53%,在汉明损失上降低0.15%;融合情绪标签信息的文本情绪识别模型在标签排名平均精度、准确率、微平均F1指数、宏平均F1指数提高了1.58%、1.94%、1.93%、3.3%,在汉明损失上降低0.51%。实验结果表明了本文方法的有效性。