随着自然语言处理技术的快速发展,融合人工智能的人机交互服务也逐渐在互联网上变得多元化。人与计算机的交互不仅局限于简单的计算机指令传输,计算机还可以通过文本或语音等媒介与人进行互动。开放域对话系统作为自然语言处理技术在人机交互中的重要应用,旨在与人进行不限主题内容的对话交互,由于其广泛的应用场景,在近年来已成为人们的研究热点。人类进行交流的语言信号包含语序、语义等语言规则以及情感等隐含表达。现阶段的开放域对话系统仅仅专注于理解文本的语义特征并生成语法正确的回复,没有把情感感知融合到对话生成中,缺乏对用户情感的感知能力,因此在对话中难以与用户产生情感上的共鸣。当前的对话情感感知工作主要是基于对话上文实现的,通过对上文的理解能有效解决对话情感感知中一语多义的问题。然而,现有的研究仅考虑到连续对话上文中的语义特征,没有考虑到用户最近一次发言所表达的实时情感状态,导致用户短距离情感特征的丢失。为此,本文提出一种融合对话上文语义特征以及用户最近发言情感特征的对话情感感知模型,并进一步把情感感知模型融入到对话生成任务中,提出融合语义理解、对话情感感知以及情感回复生成的对话系统。本文主要工作和创新点如下:1.在多轮对话中,对话系统需要实时感知用户的情感状态,本文基于胶囊网络提出一种融合语义特征以及情感特征的对话情感感知模型。相比使用常量作为神经元的传统网络,胶囊模型利用卷积操作把对话文本转换为多个具有深度的胶囊向量,能保存更丰富的文本特征。胶囊模型通过权重网络以及动态路由算法把多个胶囊向量聚合为对话文本在各个情感层面下的特征表达。多个对话情感分析数据集上的实验结果表明,与近几年对话情感分析相关工作相比,本文的情感感知胶囊模型有明显的性能提升。2.传统的对话生成模型是基于对话上文实现的,通过在生成模型中嵌入对话上文的语义信息引导模型生成对应的机器回复。基于对话上文的生成模型容易受到通用回复的影响,生成泛答性强但没有实际意义的回复。针对此问题,本文提出了融合对话语义和情感的对话生成模型。模型中引入基于情感感知的情感判别器,感知对话上文中用户表达的情感信息并使用情感信息引导对话回复的生成,生成的回复内容丰富且拥有更强情感表达能力;同时,为了在生成回复时能关注到对话上文中有用的信息,模型在编码器与解码器之间引入注意力机制。最后通过对比试验证明了模型的有效性。