随着互联网和人工智能技术的飞速发展,对话模型已经被广泛应用于现实生活下,而满足陪伴需求的开放域对话模型,更有着广阔的研究价值和潜在应用前景。现有的开放域对话模型,主要关注生成回复的流畅性和内容相关度,缺少情感方面的考虑。生成富有情感的回复,有助于提升交互过程中的使用体验,使人工智能趋于人性化。因此,情感增强的对话生成在开放域对话模型研究中具有重要意义。情感对话生成目的在于根据给定的输入语句,生成符合语境的情感回复,现有考虑情感因素的对话模型存在着生成回复表达的情感状态不可控、生成质量差的问题。针对上述现状,本文从情感对话质量和可控情感生成作为研究要点,并做出了以下工作和研究成果:(1)对于情感对话质量,本文提出了基于生成对抗网络的情感对话生成模型。该模型包含了多个生成器和两个判别器。每个生成器旨在生成特定情感类别的语句并尝试欺骗判别器,两个判别器分别用来鉴别生成回复内容的相关性和情感类别,通过策略梯度来更新各个生成器的参数。模型还利用了基于惩罚的目标函数来提升回复多样性。实验证明该模型相比之前的研究,在多样性和准确情感表达的指标上都有明显提升。(2)对于情感可控生成,本文提出了一种基于个性化的情感对话生成模型。将关键词-情感信息作为键值对建立起说话者数据集,根据最小化情感失调策略结合个性情感信息和输入情感信息,获得外部知识来指导和控制回复中情感的生成。通过实验表明,相比之前的模型,本文的模型无需指定情感类别,可以生成流畅且多样化的情感回复。(3)在前面模型的基础上,本文设计并实现了情感对话系统。系统包括客户端、服务端、对话生成三个模块。对各模块的功能和流程进行了详细介绍,并通过测试证明了系统的可用性和模型的可行性,让对话模型可以通过可视化界面交互给用户良好的使用体验。