使用神经网络生成流畅的自然语言已成为文本生成的常用方法。根据用户偏好生成丰富多样的文本,具有广泛的应用价值。早期文本生成技术主要关注于多文档向单文档或对齐文本的生成,例如摘要生成和翻译生成。目前基于少量信息约束(如关键词和情感)的文本生成已成为文本生成技术的研究热点。在基于关键词和情感的文本生成的研究中,目前主要存在两个问题:关键词约束信息不足问题和情感生成语义表达问题。1.针对关键词约束信息不足问题,本文提出了基于强化学习的对抗生成模型来生成高质量的文本,并在对抗学习中通过关键词反馈机制来围绕关键词补充句子成分从而强化模型对关键词的学习,生成含有指定关键词的文本。基于强化学习全局最优解对整个文本空间搜索得到最佳的排列组合策略,从而生成多样化合理的句子。该方法可以与其它生成任务结合,提高文本生成质量以及解决特定需求文本语料不足的问题。2.针对情感语义生成的表达问题,本文提出使用门控机制的方法对情感进行学习,通过情感标签和不同程度的情感词,对情感进行不同程度的添加,生成带有指定情感的文本。本文提出的模型具有更好的泛化和学习能力,不仅能很好的捕捉到高层抽象的情感特征,而且能最小程度上影响句法的生成质量。3.结合以上2点提出的方法,本文提出一种融合关键词与情感的文本生成方法。该方法输入指定关键词和情感信息,得到带有关键词约束的指定情感倾向句子的对抗生成模型。通过实验对比现有的模型以及我们提出的不同的加入约束信息策略,验证了本文提出的生成模型在句法质量,以及融合关键词与情感信息的综合效果是最佳的。