人民网
新华网
央视网
详细介绍
这是的一篇文章，主要就是把情感属性和情感强度增加到句子生成过程中。(发布的时间比较早了，最晚也是2017年初发布的)
主要提出了-LM模型，是我目前看过的，最早提出的模型之一了。
任务目标是：给出前M个词，情感向量e以及情感作用的强度β，输出后面的N个单词，组成完整的一句话。
它本质就是一个增加情感的语言模型，用来做句子生成。
模型公式：
用β控制情感作用的强弱。输入是one-hot类型的数据，U是一个类似层的映射。LIWC是情感词典，有5类情感，特征情感问题交流，例如：
文章提出，情感类别可以自动从上下文推断，也可以直接用户定义。
文章的对比任务是基本的语言模型：
实验1，内容测试
语言模型训练数据集：首先在训练集上训练，其余的都是的模型结构
可以看出指标没有明显降低情感问题交流，说明表达的语法和内容没有受到影响。
实验2，情感测试（通过平台，执行感知实验）
这是2017年4月的论文，估计是看了-LM，然后赶紧发一篇基于对话的情感识别占坑。看来国内的情感界也在不断转型升级呀。朱小燕团队的论文。
这篇文章提出ECM，就是对话+情感。之前的对话系统都是在对话质量方面进行改进，作者在情感方面改进，效果还不错：
实验目标：
上文+情感->有情感的下文
-LM是：部分文字+情感->有情感的完整的一句话
作者认为难点有：高质量的情感标注数据难以获取；要平衡语法和情感（-LM中就指出了）
作者提出ECM，就是把+机制。
内部记忆单元：（情感要表达完整？？）
外部记忆单元：(平衡选择情感词还是一般中性词)
损失函数：增加内部记忆单元和外部记忆单元的损失+的损失函数。
数据集：
情感分类数据集： and （中文数据）
对话数据集：STC ，用情感分类器标注
这篇文章是2017年7月份发的，借鉴了上面连篇文章：-LM和ECM。
主要思路：沿用经典的思路，同时增加情感信息在三个方面：
