近年来,人机对话系统作为人工智能的一个重要领域,得到了许多关注和发展。按照对话的场景,人机对话系统主要分为两类:任务型人机对话系统和非任务型人机对话系统。前者可以代替人类完成基础的重复工作,节省人力成本,例如银行、电商等的智能客服系统;后者能够陪伴用户进行趣味聊天,例如微软的小冰。传统的任务型人机对话系统主要基于槽值填充的方式,引导用户逐次提供和任务信息槽(如酒店预订系统中的酒店名称、入住时间、离开时间等)相关的输入,进而完成相应的对话任务。这种方式一般要求预先定义好任务的本体,在对话过程中槽的个数固定不变,槽和槽之间相对独立,使得对话系统难以处理复杂的对话任务;同时,信息槽的定义依赖于具体的任务领域,导致对话系统难以进行领域迁移。基于知识图谱的任务型人机对话系统在领域知识图谱的驱动下,开展与用户的对话。由于知识图谱可以表示复杂的实体的语义关联、事件的发生逻辑,可以根据需要方便的更新,使得对话系统可以处理复杂的任务场景,提升了对话的灵活性,并在一定程度上缓解了领域迁移的复杂度。本论文设计并实现了一个基于知识图谱的任务型人机对话模型。在标准的管道式任务型对话系统的基础上,摒弃了任务的信息槽,引入了领域知识图谱的信息和结构,使得对话状态可以用知识图谱的形式表示,并通过设计层级压缩的方法解决了对话状态空间过大的问题,使得系统可以在一个庞大的领域知识图谱上,开展复杂的人机对话。同时这个方法适用于不同领域类别下的模型自适应,克服了任务型对话难以进行领域迁移的缺点。最后分别在电力系统中的办电和买电两个不同的客服任务上,验证了本文提出的模型的有效性。实验表明本文提出的模型和算法能够利用知识图谱的信息和结构驱动对话,在保证对话成功率的前提下,开展复杂的任务型对话,并能有效解决领域迁移困难的问题。另外,本论文基于提出的模型框架,分别设计并实现了办电领域人机对话系统和买电领域对话系统。前者作为办电领域客服机器人,与用户进行对话并对用户提出的问题进行解答,协助用户完成办电业务。后者则聚焦于买电领域的人机对话,协助用户完成买电业务。