一种尝试解决情绪分类任务中的不平衡问题的分类方法研究。 以往的文本情绪分类任务中，大都假设各情绪类别的样本数量相同，然后实际情况并非如此。 在我们收集的新浪微博文本中，我们发现各情绪类别的样本数量严重不平衡。如果应用传统的情绪分类方法将会导致分类结果严重偏向样本数多的类别， 从而分类性能严重降低。 本实验中我们提出了利用多通道LSTM的模型，用来解决情绪分类训练样本数量不平衡的问题，并比较了多组不同的baseline。