复述是指用不同的词语或句式表达相同语义的文本。复述生成是对给定的句子生成语义相同但表达方式不同的复述句,广泛应用于自然语言处理相关任务。近年,随着复述生成技术的深入发展,面向特定用途的按照指定句式生成复述句的需求出现,可控复述生成作为新的课题应运而生,成为研究热点。可控复述生成是指将输入句按照给定的句式范例句生成复述句,使其句式与范例句一致,同时保留输入句的语义。已有工作的成果在与范例句的句式相似度上表现较好,但同时存在输入句的语义保持度降低的问题。针对该问题,本文提出基于层次句法树的可控复述生成模型,以提升模型的语义保持度。另一方面,可控复述生成模型的训练需要大规模有句式变化的复述平行语料,而现有的语料构建方法难以满足这一需求。针对该问题,本文提出句式多样化复述平行语料的构建方法,并通过应用任务验证该方法的有效性。本文的主要研究内容和贡献包括以下两个方面。（1）设计实现基于层次句法树的可控复述生成模型。可控复述生成采用编码-解码的复述生成框架作为基础,不同的是在输入端增加范例句作为新的输入。核心问题是如何对范例句的句式信息进行编码并在解码时指导生成复述句。经初步实验发现,已有的工作采用范例句句法树的最底层信息进行编码,对生成的复述句在单词数量以及词性上进行过强约束,导致生成中断问题,从而引起语义保持度降低。对此,本文提出基于层次句法树的句式范例句编码解码方法,编码更高层次的抽象句法树,并在解码端为句法成分节点添加控制向量以调整生成单词的数量,从而规避对单词级别的强约束,使得对应的语义通过选择句式能够在复述句生成中得到充分体现。本文在公开英文数据集的评测实验结果显示,与已有最好的模型相比,本文模型在语义保持度的评测指标BLEU、ROUGE-1、ROUGE-2、ROUGE-L和METEOR上,分别提升0.87%、1.33%、0.09%、0.94%和0.66%;在句式相似度评测指标TED-R和TED-E上,性能分别提升0.56%和1.79%。本文进一步评测了生成中断问题的改进效果,统计结果显示92%的中断问题得到了改善。评测结果表明,本文所提出的基于层次句法树的编码解码方法能够有效缓解生成中断问题,在句式相似度提高的同时,在语义保持度上得到较大提升。（2）提出句式多样化复述平行语料的构建方法并进行应用任务的验证。针对可控复述生成模型训练缺乏句式多样化数据的问题,本文利用机器翻译引擎及自动评测方法,构建句式多样化的复述语料。具体地,本文提出选取多个优质翻译引擎从英语复述获取汉语复述的方法,并设计实现基于语义相似度和句式多样性的复述句对筛选算法,从Quora的英语复述数据中获取汉语复述语料11.5万对。本文在复述识别和自然语言推理任务上进行分别验证,并进行单一翻译引擎和多种翻译引擎使用的对比,以及筛选算法的评测。评测对比结果表明,本文构建的语料所训练的复述识别模型和推理模型与基线模型相比分别提升8.59%和2.64%,说明本论文的方法可以引入句式多样化的复述句对,从而能够增强下游任务模型的鲁棒性。此外,在小样本实验上的评测结果显示,所构建数据对于低资源场景的任务也具有数据增强效果。本文在可控复述生成研究上,提出基于层次句法树的可控复述生成模型,在公开数据集上的评测实验验证了所提出方法相比已有方法在性能上有较大的提升。面向可控复述生成研究构建句式多样化的复述语料,并经过对比实验证明所提出方法的有效性。