建立可以与人类进行连续交流的开放域对话系统一直是人工智能的长期目标,同时也是一项极具挑战的任务。不同于帮助人们完成特定目标的任务型对话系统,开放域对话系统旨在让用户在开放域中进行人机对话,以获得娱乐或情感陪伴。基于检索模型或生成模型的端到端方法是当前开放域对话系统的主要实现方式,如何发挥上述两种方法的优势,将其结合是当下研究的重点和难点。本文实现了融合检索模型和生成模型的开放域对话系统,并将其进行评价和演示。本文的研究内容主要归纳为以下三点:（1）设计并实现了控制开放域对话系统策略选择的决策单元。本文所实现的开放域对话系统由决策单元和生成回复单元构成。决策单元对用户输入进行分析,通过用户输入是否命中既定规则、用户输入是否包含实体以及用户输入的情感类别三种方式进行决策,选择生成回复单元中合适的方式进行回复。（2）设计并实现了以检索模型和生成模型为核心的包含四种不同回复方式的生成回复单元。本文实现了基于BM25粗召回与Sim BERT精排序的检索模型,并提出两个检索语料库,通用知识问答语料库和负面情绪问答语料库。同时本文实现了基于GPT的生成式对话模型,利用大规模预训练模型GPT在LCCC多轮闲聊对话数据集和豆瓣单轮鼓励式对话数据集分别训练得到多轮闲聊对话模型和单轮鼓励式对话模型。基于上述模型和数据集实现了基于规则模板的回复,通用知识问答回复,情感支持回复和闲聊回复。（3）完成了开放域对话系统的实现、评价、部署和演示。本文实现了融合检索模型和生成模型的开放域对话系统并将其部署至服务器,设计前端网页便于用户访问。采用客观评价和人工评价两个维度对系统进行评价,实验结果表明,相比于基于单一生成模型实现的对话系统,本文的对话系统在生成多样性及平均回复句子长度指标中表现更优。采用人工设计评分标准,对本次实验所积累的真实对话语料进行评分,本文所实现的对话系统取得了优异的成绩。