随着深度学习的不断发展,自然语言处理技术发展迅速,逐渐被应用到各个研究领域,如语义分析,文本情感分析,机器翻译,问答系统等。其中,自然语言对话生成任务使用基于深度学习的自然语言处理技术,能生成具有多样性和创造性的回复。对话生成任务目标是对人类日常沟通进行建模,实现机器和人类的对话交互,并尽可能接近人类的表达水准。本文主要提出了一个基于深度学习的情感对话生成系统,对对话中的情感表达关系进行学习和建模,使之在开放域对话场景下,具有自适应的情感感知及表达能力。本文的主要创新和贡献如下:首先,为了对基础语言质量有所理解和把控,本文从基础对话生成研究入手,针对回复多样性和对话相关性研究中存在的问题进行深入分析和优化。具体地,本文使用了加入逆词频权重限制的交叉熵损失函数,缓解以往基于最大似然估计训练目标优化带来的通用性回答高频出现的问题,从而提升回复多样性。接着,本文提出了一个基于对偶训练优化的双向序列生成框架,使用两个Sequence2Sequence模型双向联合学习对话上下文之间的信息关联关系,从而提升生成对话相关性。其次,在基础对话研究的基础上,本文提出了一个具有自适应情感表达和控制能力的情感对话生成模型框架,从两个层次实现了对情感表达的建模。首先,模型中的情感类别控制器从抽象的情感表达类型控制入手,通过学习和利用对话上下文情感映射关系,可以在交互中根据上文输入给出一个合理的回复情感类别。然后,情感解码器从细粒度情感特征层面入手,在确定的情感类型下,实现了潜在的情感状态衰减过程,并有选择地基于情感词典生成一个语言流畅的情感回复。另外,本文还提出了情感学习中情感分布标签和情感词向量对应的构建策略。最后,本文利用上述模型算法以及涉及的数据资源进一步实现了一个基于开放域的生活闲聊对话系统,系统在网页上进行呈现,可以灵活应对闲聊话题,实现了和用户的有效情感对话,给用户友好的体验。