随着社会逐步向智能化方向迈进,任务型多轮对话系统越来越成为学术界和工业界关注的热点方向,其广泛的应用价值和商业价值受到了人们极大的关注。目前任务型多轮对话系统发展方面仍存在着以下挑战:1)对话系统的上游的自然语言理解模块没有建立起意图识别和槽值填充之间的直接联系,两个子任务仍是相互独立的两个子任务;2)对话系统的对话理解模块缺乏一种可结合深度学习模型和规则匹配优势的解决方案;3)对话系统的自然语言生成模块缺乏一种可与数据库进行灵活交互的方法;4)现有的多轮对话系统服务平台配置过程比较繁琐,需要一套清晰的配置流程。针对以上问题,本文具体研究内容如下:1)双向的意图槽值交叉相关的对话理解方法:解决在语义解析过程中没有将意图和槽值有效关联起来的问题,建立意图和槽值之间相互促进的机制;2)结合记忆存储和神经网络的多轮对话管理方法:将记忆存储和神经网络的优势结合,解决当前对话管理方法要么依赖规则过于死板、要么基于单一模型不够稳定和精确的问题;3)自定义的可与数据库进行交互的自然语言生成方法:建立了自然语言生成模块与数据库进行灵活交互的机制;4)可配置任务型多轮对话系统:在对话系统的基础上增添了可配置功能,用户可自主定义动作、意图和槽值等信息,在此基础上形成了一套清晰的自定义配置方案。基于上述研究内容,本文研究并实现了一个可以满足开发者和用户业务场景的可配置任务型多轮对话,具体包括以下模块:1)自然语言理解模块:实现了双向的意图槽值交叉相关的任务型对话理解模型;2)对话理解模块:实现了通用的结合记忆存储和神经网络的多轮对话管理方法;3)自然语言生成模块:实现了自定义的数据库交互的对话生成方法;4)自定义可配置模块:实现了用户自定义动作、意图、槽值等功能,提供了一体化配置方案,解决现有的系统平台配置过于繁琐的问题。