随着深度学习技术的快速发展,基于深度学习的文本生成的研究也越来越深入,其中故事结局生成任务是近三年来一个热门的纯文本生成任务,它需要充分地理解上下文情节信息,然后根据所理解的信息生成与之相一致的故事结局序列。现有故事结局生成任务的模型主要存在以下几个不足:1)简单地将上下文信息拼接成一段长序列作为模型的输入,这易丢失某些重要信息,导致不能够充分地编码上下文信息;2)虽然有些模型对相邻句子间的信息进行了建模,但是对于跨句子的关系并没有充分构建,这在编码上下文信息时会极大地影响整体信息的完整度;3)句子内部信息没有被充分挖掘。为了解决故事结局任务存在的不足,本文设计了基于图卷积和依存句法解析的故事结局生成模型:首先通过构建每个情节句的图卷积网络捕获跨句子的上下文信息,然后通过依存句法解析捕获句子内部的信息,并且将解析出的关系作为图卷积的边,以此关联图卷积与解析得到的关系。在公开的ROCStories数据集上,实验结果表明本文提出的基于图卷积与依存句法解析的模型在现有的模型中取得了更佳的效果,这也表明该模型能够有效地改善目前该任务存在的缺陷。本文对深度学习技术在故事结局生成任务进行了深入研究,包括基于Seq2Seq注意力模型、基于Transformer框架模型、基于改进的分层式Transformer模型、基于图卷积模型和基于图卷积和依存句法解析模型,其中重点阐述了基于图卷积与依存句法解析模型。