人机对话是人工智能领域的前沿研究课题,其中涉及自然语言理解,知识和推理等。随着深度学习技术的进展,近年来对话系统成为了科技媒体和研究者社区探讨的焦点,很多效果较好的对话系统都使用了循环神经网络,将深度学习应用于对话具有重大的研究意义和应用价值。本文研究中文开放域对话系统中的基础问题,即短文本对话:不限定聊天场景的一问一答式的单轮对话,这也是研究对话系统中的核心问题。本文基于循环神经网络解决短文本对话生成问题,可分为检索式生成对话和基于生成模型生成对话。检索式系统提取输入和候选回复之间的文本特征,并根据各种文本匹配模型返回语料库中最合适的应答。实验对比了各种文本匹配模型,包括关键词匹配、浅层语义匹配和基于循环神经网络的深层语义匹配模型,实验结果表明综合统计信息和语义匹配的模型效果较好。本文还探索基于循环神经网络和Seq2Seq模型训练单轮对话生成模型,实验训练得到的模型能生成一个新的回复,但生成的句子中,很多都是不连贯且没有实际意义的句子,针对这个问题还有待于更多研究和探索。