随着人工智能的浪潮兴起,智能聊天机器人成了人们研究的热门,人们希望机器像人一样思考,与人类对话,并成为人类的帮手。在聊天机器人中,一类重要的机器人是私人助理机器人,或者称为任务型对话系统,该类系统主要帮助用户完成任务型的指令,例如:查询天气、订车票机票等。一个任务型对话系统通常主要包含两个模块:一是命令解析模块,二是对话管理模块。命令解析模块的主要任务是将用户输入的非结构化自然语言命令转化为结构化的语义表示;对话管理模块的主要任务是,维护系统和用户交互的上下文信息,与用户进行基于自然语言的交互,最终完成用户的命令。首先,本课题从任务型对话系统纵向的维度出发,重点考察命令解析模块的算法准确性。本文首重点考察了采用基于语义槽填充的命令解析方法。基于语义槽填充的命令解析方法中,任务的输入是用户的命令型语句,输出为命令的语义槽实体标注序列,如出发日期,出发地点等,故可将该任务看作类似于命名实体识别任务,以序列标注任务的方法解决。本文实验了基于深度学习的语义槽填充方法,在英文语料上进行了实验。实验结果表明,基于深度学习的方法相比于基准方法,结果得到了大幅度的提升。其次,本课题从任务型对话系统横向扩展性的维度出发,考察了任务型对话系统中,命令解析模块和对话管理模块实现的通用流程。随后本文设计并实现了一个任务型对话系统服务平台,用于提供开发者创建自己的基于自然语言交互的任务型对话系统。该服务平台提供给开发者基于语义槽填充的命令解析算法和对话管理模块的算法黑箱,开发者只要上传语料和定义任务型系统支持的意图的语义槽参数,就可以创建出一个用来完成特定意图功能的任务型对话系统。