自然人机交互作为人工智能最直观的表现方式,近年来在各行各业得到了广泛的应用,自然人机交互产品逐渐进入大众视野。对话系统作为自然人机交互领域的重要分支,也受到了众多学者的关注。对话系统除了可以替代人们完成相应的工作外还可以与人们聊天提供情感上的陪伴。在人机对话过程中,为了使机器人变得更加智能,将知识图谱作为外部知识融入到对话系统中有十分重要的意义。因此,本文分别在开放域和封闭域对话系统中引入知识图谱对机器人的回复方法进行了研究,主要研究内容如下:针对当前开放域对话系统中机器人缺乏背景知识、用户在对话过程中兴趣度不高的问题,提出一种基于时序知识图谱的人机对话模型。为提高人机对话过程中用户的兴趣度,该模型引入时序知识图谱作为机器人的背景知识以模拟现实中的对话方式。首先,根据当前对话内容提取用户的兴趣种子实体;其次,基于偏好传播的思想在时序知识图谱中查找与种子实体相关的多层邻居实体;然后,根据关系友好度和时间新鲜度计算各层实体的邻居实体信息,并由外而内地逐层将实体自身信息与其邻居实体信息融合起来用以计算用户兴趣偏好;最后,根据用户兴趣偏好给出机器人的回复。实验结果表明,所提模型不仅能提高候选回复排序的准确性,还能有效提升用户在对话过程中的兴趣度。针对当前封闭域对话系统多考虑回复内容准确性而忽略了机器人的情感表达问题,提出一种面向客服机器人的智能感知交互模型。首先,根据情感状态分析计算候选回复的情感积极度和情感相似度从而得到候选回复的情感匹配度;其次,引入外部知识图谱作为机器人的常识知识,将与对话内容相关的知识三元组作为当前对话的知识集,并在计算候选回复的内容准确度时考虑相关知识集的影响;最后,结合内容准确度和情感匹配度在候选回复集中选择最合适的回复作为机器人的响应。实验结果表明,拥有外部知识且能够表达情感的客服机器人在进行人机对话时,能在满足回复内容准确度的基础上提高用户的情感满意度。