随着技术的不断发展,人们对自然语言生成技术的需求也在不断更新,人们期望通过更少更简单的输入获得更高质量更丰富的信息,语义可控的文本生成技术研究重要性日益凸显,主题文本生成任务就是顺应这一趋势近年来新出现的自然语言生成研究领域的一个分支,根据指定的主题自动生成连贯通顺的文本。本文首先对现有主题文本生成技术进行研究。当前主题文本生成模型主要基于引入注意力机制的编解码器模型进行生成,模型可以基于主题词输出相关的文本,但是模型的生成质量有待进一步提升。其主要原因在于模型从输入中可以获取的主题信息十分有限,缺乏足够的信息引导模型生成连贯的、与主题相关的文本。针对这一问题,本文提出了一种基于语料库背景网络的主题文本生成模型,该模型利用语料库中的词语共现关系构建背景网络通过背景网络对输入的主题信息进行扩充,使用附加的主题信息引导引入注意力机制的编解码器模型生成文本。实验结果表明,该模型生成的文本有效提升了文本的连贯性、主题相关性等,在主观和客观的评价中均优于未引入语料库背景网络的模型。此外,通过对基于语料库的主题文本生成模型的进一步研究发现该模型虽然对文本生成质量有所提升,但实际仍然存在两个问题。第一是模型生成的文本由于语料库中缺乏常识信息对常识信息类主题词的生成效果不佳,第二是附加的主题信息受语料库分处理的影响,引入的附加信息可能存在偏差。针对以上问题,本文进一步对主题文本生成技术进行研究,提出了基于义原信息的主题文本生成模型。通过引入外部知识图谱HowNet中的义原信息扩充主题信息解决缺乏常识信息的问题,为对引入的义原信息进行控制防止噪声的引入,将非当前主题词的平均词向量作为当前主题的代表,通过计算其与不同义原的相似度对附加的义原信息进行选择。将融合义原的主题信息用于引导引入注意力机制的编解码器模型生成主题文本。实验表明该模型有效解决了之前研究中的问题,为模型的生成附加了有效的常识信息进一步提升了生成文本的完整性、连贯性,模型在主观和客观上的评价均优于未引入附加信息、基于语料库背景网络、基于ConceptNet知识图谱和基于HowNet不选择控制义原附加主题信息的模型。