对话生成属于自然语言处理领域的一个重要分支,主要对生成式对话模型开展研究,使其生成接近人类水平的回复语句。情感在对话生成尤其是多轮对话生成中扮演着重要角色,生成回复的情感恰当性严重影响着人机对话交互的可持续性和对话系统的用户体验。为提升生成回复的情感恰当性并实现用户情感引导的目的,在多轮对话生成模型中设计情感导向机制,从情感层面对回复生成进行动态控制是一种较为直接的研究思路。该研究有助于提高对话系统的情感智能化程度,促进对多轮对话生成研究在生活中的实际应用。具体的研究内容和方法如下:首先,为解决情感决策的准确性问题,对多轮对话情感导向决策模型开展了研究,提出了情感导向决策单元。模型模拟了人与人之间的情感对话交互情景,在LSTM基础上进行了改进,添加了情感导向门用于控制引导用户的目标情感对当前情感决策的影响程度。多轮对话情感导向决策任务的实验结果表明,模型最终能够根据指定的引导目标情感极性和历史情感序列,动态地进行回复情感的决策,实现了对情感决策准确性的提升。其次,为解决生成回复的情感一致性问题,对指定情感的回复生成模型开展了研究,提出了多轮对话情感回复生成单元和情感重排序策略。模型以GPT-2为多轮对话生成的基础模型,使用带有情感标签的多轮对话语料微调模型,结合情感重排序策略,实现情感可控的对话回复生成。多轮对话情感回复生成任务的实验结果表明,模型最终能够根据对话上文生成指定情感的回复语句,有效提升了生成回复的情感一致性。最后,为解决生成回复的情感恰当性问题,实现用户情感引导的目的,对多轮对话情感导向回复生成框架开展了研究,提出了情感导向回复生成模型。模型有机地结合了包含情感分类器、情感导向决策单元和情感回复生成单元在内的情感导向机制,在多轮对话的交互过程中动态地控制情感回复的生成,实现对用户情感的引导。多轮对话情感导向回复生成任务的实验结果表明,模型最终能够根据对话历史和指定的引导目标情感极性,生成引导用户情感的回复,具备了一定的引导用户情感的能力。