随着人工智能领域的快速发展,开放域对话系统受到了广泛的关注,如个人助手、智能客服等,有广阔的应用场景。机器开放域闲聊对话的能力一直是衡量人工智能发展水平的标杆,但目前闲聊对话系统已有的研究多集中在单轮对话,多轮对话系统中存在的对话语境不连续、回复个性风格不一致等问题仍旧比较突出,与真正的人类对话很不一致,因此,生成与身份特征和对话语境一致的回复成为对话系统的核心挑战之一。针对这一问题,本文基于改善对话系统一致性的目的,通过深入挖掘对话主题、个性信息和情感因素等文本属性信息,解决了多轮生成式对话模型的问题,提升了对话系统的一致性。具体地,本文的主要研究内容如下:1、针对主题一致性问题,提出了一种主题融合的层次化注意力模型。该模型可以利用对话历史,并充分挖掘对话主题信息,将主题信息和上下文信息同时整合到对话生成中。2、针对个性一致性问题,提出了一种个性感知的多轮对话生成模型。该模型可以利用预先定制的人物角色生成对话,并在对话中识别内容是否与个性信息相关,平衡对话生成中个性信息和对话历史的生成权重。3、针对情感一致性问题,提出了一种情感识别的对话生成模型。该模型可以识别输入消息中蕴含的情感,并生成符合语境情感的回复。最后,本文设计并实现了基于一致性的对话系统,能够充分利用对话中所包含的主题、个性、情感等文本属性信息,生成符合对话语境的回复。