近年来,随着自然语言处理技术的快速发展,聊天机器人受到了很多关注,并逐渐成为了学术界和工业界的研究热点。聊天机器人不断发展进步,应用范围不断扩大,人们对它也有了更高的要求,希望聊天机器人在关注对话内容和对话任务的同时,也可以与人进行更深入的情感交流。这就要求聊天机器人可以理解人的情绪,并作出合乎常情的情感表达。其中,情绪理解作为合理情感表达的基础,在聊天机器人中就具有十分重要的研究意义。本文主要围绕聊天机器人中的情绪识别问题展开研究。不同于文本情感分析中句子级的情绪识别,对话中的话语并不是孤立的,因此对话中的情绪识别需要更多地考虑对话中的要素,并探索这些要素对情绪识别的作用。本文主要考虑了对话中的三种不同要素,并设计了三种有针对性的对话情绪识别方法,探究引入这些要素对情绪识别性能的实际影响,本文主要的研究内容包括:(1)针对对话中存在的上下文内容信息,本文主要提出一种基于层次化网络的对话情绪识别技术,通过话语和上下文两级编码器对对话进行端到端的层次化建模,以实现对上下文内容信息的有效利用,达到提升情绪识别性能的目的。(2)针对对话中存在的上下文情绪信息,本文主要提出一种基于迭代增强机制的对话情绪识别技术,将需要输入精确情绪信息的一次预测,改为无需输入精确情绪信息的多轮迭代预测,既实现了在训练阶段对已有上下文情绪信息的有效利用,又解决了在测试阶段无法使用上下文情绪信息的问题,最终达到提升情绪识别性能的目的。(3)针对对话中存在的说话人信息,本文主要提出一种基于混合注意力机制的对话情绪识别技术,在双人对话中通过使用受掩码矩阵控制的自注意力机制,对多种说话人情绪相关性进行建模,以实现对说话人信息的有效利用,和对情绪识别性能的有效提升。本文尝试在对话情绪识别中考虑三种不同的对话要素,并设计了三种有针对性的方法对其加以利用,在两个公开数据集上对提出的方法进行评估。实验结果表明,本文提出的三种对话情绪识别方法都使情绪识别效果获得了不同程度的提升,证明了本文提出方法的有效性和考虑三种对话要素的积极作用。