针对谈判对话生成中跨回合策略演化难、情感语气失配及策略跳变等挑战,本文提出一种融合图注意力网络与情感反馈的谈判对话生成模型。该模型利用BART(bidirectional and auto-regressive Transformers)捕获全局上下文语义,通过构建包含策略技巧与对话行为的动态图结构,并结合多头图注意力与自适应结构感知池化机制提取深层结构先验。为解决语义与策略逻辑的对齐问题,模型采用结构感知注意力与门控机制实现信息的自适应融合,并创新性地利用情感辅助任务产生的梯度反馈,对策略图表示进行全局校准,确保策略决策与目标情感语境的一致性。在CraigslistBargain数据集上的实验结果表明,本文模型在各项核心指标上均优于现有基线模型,其中BLEU(bilingual evaluation understudy)达19.74%,反映谈判结果的比率类别预测准确率RC-Acc(ratio class prediction accuracy)则提升至54.21%。消融实验与人工评估进一步验证了图结构建模与情感校准模块在提升谈判逻辑连贯性与情感适配性方面的有效性。