对话系统旨在让计算机用自然语言与人类交流，自图灵测试提出以来，它就是人工智能和自然语言处理领域的重要研究任务。随着对话系统在精准营销、智能教育、情感陪护等方面的商业价值逐步挖掘，各大互联网巨头也纷纷布局对话系统，如亚马逊的Echo、微软小冰、百度度秘等。

近年来，随着深度学习的发展，数据驱动的生成式方法已经成为对话系统的研究趋势。然而，这种数据驱动的对话生成方法特别容易生成通用回复，如“我不知道”、“我也一样”、“抱歉”等等。由于缺乏知识建模，目前对话系统难以提供有内容的回复，无法满足用户的信息化需求，已经成为制约对话系统发展的主要瓶颈。在对话系统中引入知识，可以有效缓解上述问题。因此，本文研究融合知识的生成式对话系统关键技术，并重点关注世界知识、词汇知识、情境知识和语境知识等知识类型。本文的主要研究内容和创新点如下：

1. 提出了一种融合世界知识的答案生成方法

对话系统缺少对事实知识的建模，容易得到表达流利却缺乏知识的答案。为此，本文研究了融合世界知识的自然答案生成模型。针对主流基于深度学习的自然语言生成模型难以有效融合符号表示的世界知识的问题，本文提出了一种整合检索与拷贝机制的自然答案生成模型，可以利用知识库检索、问句拷贝、词表预测等不同手段，获取不同类型的词汇用于自然答案生成。实验表明，该方法可以有效融合符号表示的世界知识，生成更为准确的答案。

此外，针对上述模型用于学习的数据质量参差不齐，高质量数据有限，低质量数据又容易引入噪声的问题，本文还提出了一种基于课程学习的自然答案生成模型。该模型先从低质量的、简单的训练数据中学出一个基本模型，再从高质量的、复杂的训练数据中学习出一个更好的模型。实验表明，该模型可以充分利用参差不齐的训练数据，进一步提高自然答案生成的性能。

2. 提出了一种基于世界知识的问句生成方法

现有知识问答（对话）缺少高质量的学习数据。一种解决策略是从给定的知识中生成问句。然而，传统方法生成的问句难以表达给定的知识，并且生成的问句容易对应模棱两可的答案。为此，本文研究了基于世界知识的问句生成方法，提出了一种融合多样化上下文与答案辅助监督的问句生成模型。该模型利用知识库现存的资源扩展给定知识，丰富给定知识的上下文；此外，考虑到人工标注的问句可能对应多个歧义性答案，因此除了以人工标注的问句作为主要监督，本文还利用答案作为辅助监督，使得生成的问句对应更加确定的答案。实验结果表明所提模型在问句生成的多个评价上均优于基线系统，可以有效地自动构建基于世界知识的问答（对话）数据集。

3. 提出了一种融合词汇知识的回复生成方法

除了世界知识，对话回复还离不开词汇知识的指导。因此，本文研究了融合词汇知识的对话回复生成问题。针对传统方法利用单个词表和单步解码捕获信息有限的问题，本文提出了词汇表金字塔网络：一种基于多层次词汇表的多步编解码回复生成模型。该模型通过层次聚类将单一词汇表扩展成多层次词汇表，聚类过程中，词表规模依次减小，呈现“金字塔”结构，这样多层次词汇表模拟了同义词、上下位词关系，再利用多步编解码模型作用于不同层次的词汇表，融合得到最终解码序列。中英文数据集的对话回复生成实验证明了所提模型的有效性，相比传统方法的单个词表与单步解码，该模型可以在多层次词汇表上捕获更为丰富的编解码信息。

4. 提出了一种融合情境知识和语境知识的回复生成方法

除了世界知识和词汇知识，对话回复还依赖情境知识和语境知识，本文也研究了融合情境知识和语境知识的对话回复生成。现有给定人物描述场景的回复生成模型忽略了人物描述之间的关联，并且各种人物描述采用相同解码器，难以生成个性化回复。为此，本文提出了一种基于给定人物描述场景的个性化回复生成模型。该模型利用的多视角图不但可以建模人物描述与对话历史的关系，也能捕获不同人物描述语句之间的关联。此外，该模型还利用人物自适应解码器，可以针对不同场景构建动态参数，进而生成更加个性化的回复。该模型在公开数据上的自动评价与人工评价均优于基线系统，表明所提模型可以在对话系统中有效感知人物描述场景。

上述方法基于给定人物描述场景的情境，然而大部分对话没有这种人物描述，此外目前缺乏广泛存在的多人对话回复生成的研究。为此，本文将对话生成扩展到多人对话，提出了一种融合上下文人物背景的多人对话回复生成模型。该模型从对话上下文的语境中建模对话者人物信息，如当前的说话者、受话者以及第三方观察者，这样不再依赖给定的人物描述。此外，考虑到当前受话者的重要性，本文提出了一种受话者的记忆机制，可以强化对话者的上下文信息。最后在已有数据基础上构建了多人对话生成的数据集。实验表明该方法相对基线系统取得了更好的结果，可以在多人对话生成中有效捕获上下文的人物背景信息。