对话管理(DM:Dialogue Management)在人机对话系统(DS:Dialogue System)中扮演着重要角色。基于马氏决策过程(MDP:Markov Decision Process)的对话管理建模取得了不少进展,但也存在一些问题。其中之一是维度灾难(Curse of Dimensionality),它导致该模型不能应用在复杂的、交换信息相对庞大的对话系统中。本文在前人的研究基础上提出了一种层次MDP(Tier-MDP)对话管理模型。该模型将对话管理任务分为两层。底层处理一个或多个相互独立的对话子任务,每个子任务接收对话理解的输入,输出对话行为,传递给上一层。上层将底层输出的动作做一个函数转变作为状态,基于此进行决策,获得最后的对话行为。与MDP模型相比,Tier-MDP模型通过分层方式可以有效降低任务的状态空间的规模,同时模型复杂度比分层强化学习(HRL:Hierarchical Reinforcement Learning)低。论文进一步设计实现了 Tier-MDP对话管理模型的求解算法。论文实现了一个基于Tier-MDP对话管理模型的人机对话系统,系统可以执行基于人机对话的在线会议室预定任务,系统具有较好的性能和交互能力,表明了基于Tier-MDP的对话管理系统具有较好的性能。