人机对话系统是自然语言处理技术的重要应用之一,目前人机对话系统大多建模对话任务的两极:一极是任务驱动型对话,另一极是闲聊。然而,现实生活中更多的人类对话处在任务驱动型对话与闲聊之间,常常是两者的混合。文本驱动的人机对话可以为上述两类对话提供一个桥梁,它既能闲聊式的响应对方观点,又能任务型地交流对话主题相关的信息,因而具有重要的研究价值。文本驱动的人机对话旨在使机器与用户围绕指定的文本内容进行交互。目前的生成式文本驱动的人机对话模型还存在一些问题,例如,对于文档中与对话相关的关键信息的利用还不够;生成对话时仅依赖用户当前的输入信息,不能准确地判定用户的对话意图,从而难以生成较好的响应;没有充分利用文档中人名、电影名等重要实体知识,难以有效构建响应与文档之间的关联。为了解决上述问题,本文在广泛的调研基础上,开展文本驱动的人机对话模型的研究,具体内容如下:提出了一个基于双向注意力编码文档的人机对话模型。该模型以“编码器-解码器”框架为基础,融入了机器阅读理解技术中文档与用户输入交互的技术。实验表明,基于双向注意力编码文档的人机对话模型比现有的文本驱动的人机对话模型具有更好的性能。在回答用户问题方面,基于双向注意力编码文档的人机对话模型的正确率提升了超过五个百分点。提出了一个基于编解码融合文档信息的人机对话模型。该模型在双向注意力模型的基础上进行了扩展。该模型引入了对话历史信息,同时改进了文档关键内容定位的方法与解码方法,分别提出了 Doc-Reader 机制与 Multi-Copy 机制。实验结果证明,该模型可以生成与文档更相关、内容更丰富的语句。基于上述模型,实现了一个面向电影信息的文本驱动人机对话系统,用户可以与系统通过对话交互获取电影相关的信息。