对话系统作为人工智能领域的重要难题之一,在如今深度学习蓬勃发展的时代有着重要的研究意义和应用价值。该领域不仅是人机交互研究的重要组成部分,在智能客服、个人助理、休闲娱乐等场景也有着丰富的应用。本文的研究立足于对话系统的一个重要分支-开放域对话系统,聚焦生成式模型的改善。近年来,生成式模型在开放域对话中的研究取得了一系列的发展和进步,但仍然存在一些问题和挑战:生成通用回复、缺乏上下文一致性、缺乏背景知识等。基于神经网络的对话模型倾向于产生琐碎的或不确定的回复,通常包括“我不知道”或“我很好”这样的高频短语;而且聊天机器人的回复有前后不一致的状况,通常体现为和用户已经表述过的内容存在的矛盾,或者对系统自身的描述有冲突。本文以对话系统产生通用回复这一现状为背景,关注此现象导致的回复语句在语义和话题上的多样性的缺乏,展开相关的研究。本文从三个角度提出该问题的解决方案。首先从基于对话状态的多样性角度切入,通过识别多个候选主题来提升交流话题的延展性;然后考虑角色信息的引入对于回复多样性的提升;接着从生成模型的建模角度,不同于机器翻译模型的一对一映射,将对话建模为一对多关系。本文的主要工作包括以下几个方面:（1）基于对话状态的多样回复生成。生成式模型产生的回复通常不涉及主题（即开放域对话中的状态）信息,不围绕特定的主题展开对话使得产生的回复缺乏话题级别的多样性。本文将状态的识别与回复生成建模成一个二阶段任务,考虑到状态具有的类别信息,通过全局-局部的方式设定不同级别的关系抽取器来利用这些类别信息。最后通过实验验证了方法的有效性。（2）基于系统角色的多样回复生成。现有生成式模型通常考虑对话历史,但涉及到机器人的人格（角色）的表述会出现前后不一致的状况,并且引入角色可以带来对话多样性和丰富度的提升。本文依据角色信息的编码特点,引入记忆网络对其进行存储,并使用指针网络检索记忆信息。最后通过实验验证了方法的有效性。（3）基于句式控制的多样回复生成。生成式模型构建的是用户消息到回复的一对一映射,该模型适用于机器翻译场景但在对话场景下需要改善。对话场景中的语言交互,是一个一对多的映射。本文参考句式控制这一概念,在对话过程中能够控制回复语句的句式从而带来多样性。最后通过实验验证了方法的有效性。