文本生成技术是人工智能和自然语言处理领域的关键技术,实现文本自动生成也是人工智能走向成熟的一个重要标志。文本生成技术是一类宏观的深度学习技术,发展出了一系列通用的模型,在将此技术应用到实际任务中时,往往需要在通用模型的基础上进行一系列的特定任务设计,以满足不同任务的需要。本文主要研究文本生成技术在自动评论和多轮对话两个任务中的应用。首先,本文对自动评论中的文本生成技术进行了研究。本文首先总结了评论生成任务的三个难点,分别为:一对多训练方式导致的收敛困难问题;生成评论相关性和发散性的平衡问题;生成评论的通顺性问题。对于第一个难点,本文提出使用检索方法将一对多的训练方式转变为一对一的训练方式,解决了收敛困难的问题。对于第二个难点,本文提出通过检索模型引入发散性,同时对新闻主题进行编码,引入相关性。对于第三个难点,本文提出在生成模块引入检索评论关键词的“编辑向量”,使得评论的生成过程在编辑向量的辅助下进行,提升了评论的通顺度。综合以上各点,本文提出了“先检索再生成”的评论生成框架,并分别在中文数据集和英文数据集上进行了实验,实验结果表明,本文提出的模型可以取得优于基线模型的表现。其次,本文对多轮对话中的文本生成技术进行了研究。本文主要关注多轮对话技术的回复生成模块,当前多轮对话的回复生成往往采用“先生成模板再填充槽值”的方式,容易导致生成的回复不够灵活自然,针对这一问题,本文提出了一种基于多信息联合指导的回复生成算法,综合使用多轮对话系统中的各个模块的信息联合指导回复生成模块,最终提高了对话回复的多样性。最后,本文利用上述提到的多轮对话技术,综合开发了一款多轮对话系统,可用来完成用户旅游场景下的餐厅预订方面的需求。