近年来,随着深度学习算法的不断更新改进与计算机硬件设备计算能力的提高,聊天机器人的研究也取得了很大的进展和突破。生成式的聊天机器人因其良好的迁移性和泛化性,具有广阔的应用前景。本文主要研究开放域生成式聊天机器人,致力于将情感智能加入到对话中,提升对话生成质量的同时与用户建立情感羁绊,使对话内容更加流畅多样。本文的主要工作如下:一、针对开放域生成式对话中存在的安全回复以及缺乏情感因素的问题,本文提出一种基于强化学习的情感对话回复生成算法。首先根据情感数据分析得出对话中的多元情感迁移矩阵,利用多元情感分类模型将情感监督信息加入到对话语料中。结合强化学习算法,从内容质量和情感两个方面构建奖励函数,然后对其进行策略优化,使其选择未来收益最大的富有情感且内容流畅的回复句。实验表明,与基准方法相比,本文所提方法生成的情感对话回复内容,语句更加清晰流畅,情感更加充沛。二、针对公开的情感分类数据集较小而影响了后续情感对话生成效果的问题,本文提出了一种情感词向量分类与强化学习算法融合模型。首先提出一种多任务联合情感词向量模型,结合语言模型和情感分类模型,权衡语义表示和情感表示,将更细粒度的情感信息嵌入到词向量中去。然后将情感分类器和强化模型进行融合,并在解码阶段加入情感多样集束搜索算法,有效避免安全回复的同时增加对话回复中的情感色彩。实验表明,与基准方法相比,本文所提方法的泛化能力更强,生成回复的情感倾向更加明显。本文通过强化学习将情感融入到对话中,并结合实验对情感对话回复生成算法进行了探索与验证,所提模型生成的对话情感更加充沛,对后续的对话研究具有重要的参考价值。