在社交生活中,人的情感往往影响着对话的过程。情感表达是人类表达自我的一种重要方式,因此社交媒体中的对话数据包含着大量有用的情感信息,是研究情感对话和动态情感迁移的基础,即个体的情绪状态对外界的刺激的反应以及对话的情绪状态。在人机交互领域,我们不仅仅希望人机交互能够完成特定的交互任务,也希望系统具备情绪分析和情绪建模的能力,来使得交互系统更加人性化。目前,大多数人机交互系统的关注点在于对话的流畅性,多样性和准确性,却忽略了情绪在人机对话中的作用。然而,在人机对话任务中仅仅考虑对话的准确和完整是不够的,如何使得机器具备人类的情感,并根据情绪来做出不同的表达,是提升人机交互系统性能的重要部分,也是人机交互系统的发展趋势之一。为此,本文提出了一种情绪引导式的情感对话系统,在确保对话有效性和完整性的基础上,使机器具有分析情绪和处理情绪的能力,并可以根据对话者的情绪转移状态进行情绪建模和情绪引导,控制和引导对话的情绪发展方向。主要由以下几个方面构成:(1)构建对话文本的多层意图识别系统,识别对话文本的基本意图,根据对话的意图区分场景和进行识别操作。并构建对话知识图谱作为对话系统的数据基础,保障对话系统生成回复的有效性准确性。(2)基于MCMC采样和强化学习算法进行对话过程中的情感建模,计算情绪刺激策略,刺激和引导人机交互过程中的情绪状态。(3)基于注意力机制进行情绪对话的生成,根据情绪有效词来改写对话回复文本,并使用情绪刺激策略来作为情绪引导。生成不同的对话文本的情感回复表达。实验结果表明,本文提出的模型可以识别基础的文本意图,并进行相关操作;也可以有效的控制情绪表达,同时可以分析对话者的情绪转移分布,进行情绪引导,生成不同的情绪表达回复。本文对生成回复在情绪完整性,流畅性,相关性等几个方面评估模型,并取得了不错的效果。