情感作为人类认知的重要部分,在人类对话过程中起到了关键性的作用。良好的情感表达能够提高对话的活跃度与用户的参与感,而在面向智能机器人的对话交互中,让机器具备情感表达能力同样可以提升人机对话系统的体验度,实现和谐有效的人机对话交互过程。如何对人机对话交互中的情感进行计算和感知,进而在话题理解的基础上,生成同时具备话题和情感的交互输出是本论文研究的重点。为此,本文采用搜索式和生成式相结合的对话生成方法,使对话内容具备丰富的话题和情感知识,实现人机交互的合理化、人性化、智能化。具体地,本文提出了一种基于知识驱动的情感对话系统(KECM),系统包括两项模式:一是基于知识驱动的指定情感对话系统(s-KECM),用于处理输出五种指定情感的回复内容,该系统包括三个模块,即情感识别网络、知识搜索网络和融合生成网络;二是基于知识驱动的非指定对话系统(u-KECM),该系统通过在s-KECM基础上添加情感适配网络,自适应地输出包含情感的回复内容,使对话系统更加智能化。在模型设计上,情感识别网络通过双向GRU模型和注意力机制进行情感识别,并将话题部分和情感表达部分相分离;情感适配网络通过神经网络模型得到输出情感的概率分布;知识搜索网络将话题知识和情感表达知识在知识库中进行搜索匹配,得到话题知识子集和情感表达知识子集;融合生成网络基于Seq2Seq框架,在编码阶段将话题知识子集和情感表达知识子集编码为话题张量和情感表达张量,合并后形成对话张量,并在解码阶段通过注意力机制将其生成回复语句。s-KECM和u-KECM均实现了情感对话系统的功能,两种模式在保证话题贴切的同时加入了情感因素,提升了用户的体验,也使得人机对话更加和谐有效。其中,u-KECM自适应地生成包含情感的回复语句,让人机对话更自然、更加贴近现实,具有较强的研究意义。