开放域对话生成是自然语言处理领域重要的研究方向之一,在生活中具有广泛的应用,如智能语音助手等。开放域对话生成也可称为闲聊,其目的是能够在任意主题或者场景中与用户进行开放式交流以满足用户消磨时间、兴趣探索以及情感陪护等方面的需求。本文使用深度学习技术对开放域对话生成展开研究。传统的对话生成一般采用引入单形式知识的方式来丰富和扩展对话内容。然而,这些方法往往无法避免结构化知识不完整或非结构化知识处理复杂的问题。其次,一个真实的人类对话通常会依据对话内容以及对方的情绪变化而给予合适的情感反馈,传统的对话系统中却忽略了对话情感变化的考虑,往往通过指定情感的方式为对话回复赋予情感,无法充分模拟真实的人类对话场景。此外,对话上下文连贯性一直是对话等任务面临的关键挑战之一。针对单形式知识存在的信息不足或重要信息筛选困难的问题,本文提出使用多形式知识即从非结构化的虚拟知识库和结构化的常识知识图中分别筛选出非结构化文本和结构化三元组并将它们动态地融合入对话中,该方法能够同时利用虚拟知识库中的丰富知识和常识知识图谱的信息扩展能力。针对缺乏恰当的情感反馈的问题,本文引入了六种常见的对话情绪描述,并且设计了一种新颖的自动情感反馈机制,可以通过历史对话内容和对话情感线来选择一种合适的情感进行反馈,丰富了对话中的情感及其变化。针对对话上下文连贯性的问题,本文将历史对话加入模型。特别地是,本文在实践中发现历史虚拟知识可以有效帮助生成对话的连贯性,为此本文保留了历史虚拟知识并且提出一种新的动态延迟更新策略来存储和过滤历史虚拟知识。本文采用动态地融合多形式知识的方法将结构化知识的丰富信息与非结构化知识的扩展能力结合起来,以起到扩充对话内容的作用,在一定程度上也改善了对话连贯性。通过自动情感反馈机制赋予对话恰当情感,这能够使得对话更加生动。最后,本文保留并合理地利用了历史信息从而有效地帮助了对话上下文连贯性的提升。本文展示了丰富的实验和案例并通过分析验证了研究方法的正确性和有效性。所展示的实验包括自动评估、人工评估以及对话案例展示和分析等。实验结果表明本文提出的研究方法不仅可以最大限度地发挥多形式知识的优势,而且有助于生成信息丰富、情感恰当且连贯的对话回复。