近几十年来,在自然语言处理（Natural Language Processing,NLP）领域,随着人工智能技术的发展,人机对话系统被广泛应用,成为各行业客户服务业务的重要组成部分。在人机对话过程中,为使机器生成的回复更准确且具备逻辑性,如何基于认知图谱构建多轮对话系统成为了研究重点。基于认知图谱的多轮对话系统,包含了以直觉识别和答案推理双过程为核心构建的认知图谱,并融合了对话追踪技术。在本文中,重点研究了基于动态语义规整算法的直觉识别和基于主题关系图谱的答案推理两个方面的技术问题。并基于该研究内容设计了一个应用于旅游景点向导领域的客服对话系统。具体的研究内容如下:（1）传统对话系统利用相似度匹配或端到端方式生成回复,忽略了对话的知识背景,具有短视效应。本文针对对话主题实体提取的研究,提出了一种基于动态语义规整算法的直觉识别模型。本文尝试在单轮答案推理和多轮对话两个维度使用动态语义规整算法对每轮问题进行语义矫正,并使用增强语义表示模型（Enhanced Representation through k Nowledge Int Egration,ERNIE）对每轮问题进行实体抽取和背景知识提取以扩展认知图谱,从而改进语义识别准确度。实验结果表明,通过对每轮问题进行语义规整和认知图谱扩展,可有效提升对话过程中系统的理解能力。（2）答案生成任务中图神经网络可有效地从认知图谱中推理出答案,但随着训练数据的增加存在难以训练的问题。针对该问题,本文设计了基于主题关系图谱的答案推理模型,通过使用百度汉语词汇分析（Lexical Analysis of Chinese,LAC）工具对问题进行解析,提取问题的句型及其包含的实体。再由问题句型匹配出回答句型,将该句型模板中包含的所有槽位抽取出并送入答案实体推理模块中进行推理,最终由回答生成模块结合推理得到的实体与原槽位实体生成最终的回答,减少了计算量,具有快速性和高效性。（3）本文将研究成果应用于旅游景点向导领域的客服对话系统,设计实现了一个基于认知图谱的多轮对话系统,可以基于对话背景知识和对话历史,对专业问题进行有效推理并给出合理的答案。