用自然语言进行对话是人与人交流的基本方式之一。由于计算机成为一种强大的工具,与人类有着密切的联系,人们希望使用自然语言下达命令,与计算机进行简单、直接的对话。对话系统近年来取得了很大进展,能够与人类进行连贯且有吸引力的对话,但当前对话模式仍处于被动回应的初级阶段,如何满足智能人机对话系统的需求,建立一个具有主动回复能力的对话系统依旧是一个巨大的挑战。为使对话系统具备主动对话的能力,该文分别从主动对话管理策略及对话目标序列规划两个方面进行了研究,主要研究内容如下:针对当前的对话系统主要是被动响应回复,尚不能较好地进行主动式对话的问题,提出一种知识驱动的人机主动对话管理策略,模拟人与人交流过程中,交互双方都可以发挥主导作用围绕话题进行拓展和深入的对话模式,将对话分为话题切换和话题深入两个子任务,设计个性化对话管理策略来实现多轮对话中的主动引导和话题转移。该策略依据人机交互情感状态确定系统主动对话时机,利用知识图谱作为背景知识信息,主动搜索其在知识图谱中触发的对话实体的多跳邻居集合,从而决定下一步交互内容。针对用户情感消极的话题,通过向外传播法来主动寻找新话题;针对用户情感积极的话题,通过向内聚合法来深入响应当前话题。实验结果表明,该策略在平衡全局对话连贯性和局部话题一致性的同时,提高了模型对话的主动性,为人机主动对话系统的发展提供新的参考。针对用户会根据人机实时交互行为动态更新对话目标,但现有对话系统对于动态对话目标规划的适应能力存在局限性的问题,提出一个知识驱动的人机对话目标序列规划策略,通过对话管理来主动控制对话流程,考虑用户的兴趣和在线反馈确定最终目标,并为自然话题转换规划短期目标。具体来说,在对话前根据用户偏好满意度和知识丰富度动态规划对话目标序列,对话中实时检测用户对话目标的完成度,依据预测的知识、要实现的目标和上下文选择最终的响应,当目标改变时,将以新的起点重新规划序列。本框架模拟人类在知识图上引导对话话题的行为,在对话前规划一个完整合理的目标序列,以更加自然平缓的方式引导用户实现对话目标。