伴随着网络上的信息急剧增长,人们为了在浩如烟海的信息中获取有用知识,对高效地获取信息的需求尤为迫切。在诸多技术中,信息检索技术通过不断发展和完善,越来越受到人们的重视。但是现有的信息检索技术仍存在一些问题和缺陷,如信息的组织与管理,交互智能性受到了学术界和工业界的普遍关注。本文关注于信息检索领域中两类系统的智能交互方法进行研究,分别通过改变信息的组织和管理方式以及信息获取方式,来增强检索系统的智能性和交互性,提高用户获取知识的便捷性。本文的主要工作及创新点包括：1.图像检索结果可视化。大多数搜索引擎允许用户使用关键字来表示查询意图,并将检索结果以一维的线性排列进行展示。这种检索方式存在两类问题：第一,使用关键字的方法来表达查询意图,由于语义模糊性和多义性等原因,导致查询歧义和查询意图不精确问题。第二,线性展示检索结果只是完成了结果的提供,存在多种问题,如导航性差,用户寻找信息困难,相同的检索结果难以满足不同用户兴趣等。本文创新性的提出视觉标签云(Visual Tag Cloud)的概念,利用视觉标签云实现检索结果的可视化及用户导航。视觉标签云是在传统标签云的基础上,为每个文本标签选取了具有代表性的图像样例来表示当前文本标签的视觉标签,有效的增强了标签云的表达能力。视觉标签云的生成过程包括两个步骤：(1)在文本标签选择算法中,为增加标签多样性和新颖性,在标签得分计算过程中综合考虑标签的使用频率和标签间关系,标签间关系包括：标签共现、语义相似度和利用视觉语言模型(Visual Language Model)构建的标签视觉相似度。(2)在视觉标签选择过程中,利用AP算法为每个文本标签选取相应的视觉标签。实验证明,使用视觉标签云对检索结果进行可视化处理可以解决查询歧义问题,帮助用户明确查询意图,进一步可以实现查询结果的精细化处理,有效的帮助用户对检索结果进行整体认知,以及用户导航,具有重要意义。2.多轮对话系统中智能对话管理策略,本文利用基于议程的对话管理架构,通过引入用户信息智能体(UIA),实现了具有信息独立性、任务独立性的对话管理。该对话管理模型的主要特点是将对话逻辑中的任务相关部分从对话控制等主题无关内容中分离,使该架构具有更强的可迁移性,有助于复杂的面向多主题任务的混合主导系统快速开发,使对话系统在产业界的开发成为可能。对话系统的广泛使用可以改变人们获取知识的途径,实现了通过语音对话这一更为方便、自然的方式及时、有效的获取信息,具有极高的应用价值。对话管理策略中任务相关部分通过挖掘任务相关的信息完成构建知识库,基于知识库构建主题树,实现对话流程预定义。对话管理策略中的任务无关部分即对话控制引擎,负责对话控制以及容错处理。为实现多主题任务的对话系统,本文实现了基于主题操控子树的关键字触发主题跳转策略,解决了对话过程中的主题切换问题。针对对话控制中的容错处理,文章通过挖掘用户交互行为,在多层马尔科夫决策过程的基础上设计了四步容错模型(4-MDP),用于提示并帮助用户及时发现、改正错误,保证对话的顺利进行。在实验中,本文在自主收集的数据集,利用事务处理成功度、平均交互轮数、错误触发率和平均错误恢复率等测评指标全面的对对话控制策略和容错模型进行了评测,并与已有的算法进行,证明了本文方法所提的有效性。