在各大平台智能聊天机器人代替人工在线回复的背景下,人类从广义上来说已经进入了人工智能时代。尤其随着大规模深度神经网络学习模型的发展,聊天机器人背后的内容生成不再按照传统方式依靠模板匹配与检索,而是基于深度学习模型算法的实时生成方式。随着应用越来越广,效果越来越好,聊天机器人越来越受欢迎,使其成为了一个非常热点的人工智能的研究方向。心理学家基于荣格的心理类型研究理论提出:人类的心理理论研究可以通过能量的流动方向、获取信息的感知方式、处理信息的决策方式和与周围世界的接触方式这四个维度来描述。在这一理论指导下,他们研发出MBTI（Myers-Briggs Type Indicator）人格类型量表。当前使用基于深度学习和自然语言处理技术的生成式聊天机器人技术相对已经成熟,基于训练语料生成的内容也相对流畅和准确。在回复内容相对可以接受的情境下,研究学者们更加追求聊天机器人的拟人化,追求生成回复内容更加多元和更加匹配。研究者们在研究和开发生成式聊天机器人模型时,一般基于Seq2Seq模型进行版本改进的,本文基于同样的理论和技术原理,结合MBTI人格类型的相关知识对聊天机器人回复生成模型,以及生成回复内容后的再次分析等一些重要问题进行了分析和研究,以此为基础设计出了一个聊天机器人模型,即人格特征与Seq2Seq模型相融合得到的具有人格特征的生成式聊天机器人模型。具体研究工作如下:（1）提出了通过聊天主体使用的文本信息来判定聊天主体的人格特征,改变过去主要通过调查问卷的形式来进行个人人格的研究以及判定。首先通过专业MBTI数据集和机器学习分类算法来进行分类算法的模型训练,把聊天主体的文本信息编码后送入机器学习分类算法进行人格预测。（2）提出了人格特征向量。根据MBTI数据集整合相同人格的文本信息,通过Word2Vec算法生成对应人格特征向量,用于后续聊天机器人回复生成模型的训练。（3）提出了为聊天机器人设定和聊天主体人格匹配的的人格特征。像神经网络参考人类脑神经一样,我们应该把对人类最重要的人格因素考虑加入到聊天机器人的背景中去来训练聊天机器人的回复生成模型。在模型训练时,根据聊天主体的人格特征,选择和聊天主体人格特征匹配的人格特征向量嵌入聊天机器人的回复生成模型中,以期生成具有人格特征背景的回复内容。以及评估模型是否具有人格特征背景。