文本风格迁移是自然语言处理领域中一个前沿的细分领域,具有重要的研究和工业应用价值。本文在前人研究的基础上,通过对比发现以往模型的不足,进而找到本文的研究目标,即针对现有模型无法实现文本内容和风格保留的平衡的问题,以及现有模型往往只能针对一种语料库,无法对平行语料和非平行语料均做针对性优化的问题,展开了研究探索,本文提出了一种基于关键词和语法树的文本风格迁移模型,不仅解决了现有模型的上述两个问题,而且尝试将其应用在相关的自然语言处理的聊天机器人任务中,从而实现了理论到工业落地的探索。本文受自然语言领域研究的启发,提出了一种基于关键词和语法树的文本风格迁移模型,从词语和语序的角度出发,将模型的整体框架设计为两阶段的处理任务,即先找到目标文本的可能表达的关键词词语列表,其次将这些词语列表通过融合语法树进行排序,输出既保留语意又符合语法的目标文本,并在平行语料和非平行语料两类数据中设计并进行了实验,此外,本文借鉴文本翻译的成熟评价指标,对模型进行了实验验证,证实了模型的有效性。本文的核心贡献主要有以下几个方面:（1）.本文实现了一种基于关键词和语法树的模型,不仅能很好的保留原文语意,又能实现可控的进行文本的风格的转换,且生成的文本具有较好的可读性,解决了过往模型无法实现文本内容和风格保留的平衡的问题。（2）.本文提出了一套预测排序框架。不仅能实现对有监督学习任务和无监督学习任务的处理。通过替换预测词语器模块,可以针对性的对有监督任务和无监督任务进行优化,解决了现有模型往往只针对一类语料的问题。（3）.本文基于上述模型开发了一个可以定制机器人语言风格的聊天机器人APP。通过指定机器人聊天风格,可以实现聊天机器人回复用户时有统一的语言风格。解决了聊天机器人任务,由于训练语料的多样性和不确定性导致的聊天回复文本风格不统一的问题。