铁路12306手机客户端应用仅支持手动购票,操作流程较长,包含信息较多,需要自行筛选,不利于老年人群体使用。智能语音交互操作便捷,成为实现人与机器使用语言通信的纽带。因此,对铁路12306手机客户端应用进行适老化改造的方式之一,是利用智能语音交互技术,在手机应用上增加语音购票的功能,更好地解决老年人群体独自使用智能手机购票困难的问题。目前语音识别技术已经达到较高水平,但通常建立在实验环境基础之上,在面向应用实现落地时,存在无法准确识别特定领域专有名词的问题。自然语言处理技术的局限性在于预测未来事件的能力有限,因而在交互式对话系统中,机器难以像人类一样做出反应。本文针对铁路语音购票应用场景,结合语音识别技术与自然语言处理技术,研究面向铁路语音购票场景的智能语音交互关键技术。本文的主要研究内容和贡献包括以下两大方面。（1）设计实现基于编码-解码神经网络的语音识别模型。铁路语音购票的要求主要体现为需要准确且快速地识别用户的输入语音,结合上述需求,本文提出基于编码-解码神经网络的语音识别模型。针对准确识别问题,提出多重语言模型融合与热词赋权的解决方案,提高铁路专有名词的识别准确率,优化语音识别模型识别性能。针对快速识别问题,提出流式与非流式识别并行的解决方案,对Conformer编码结构进行流式改进,设计基于连接时序分类的流式解码和基于注意力机制的非流式解码,提高模型的识别速度。实验表明,本文提出的基于编码-解码神经网络的语音识别模型在识别准确率上比基线模型提升2.126%,将其部署到实际应用中同样取得良好表现。（2）设计实现基于规则匹配与RASA的任务型多轮对话系统。铁路语音购票是一个不断收集用户提供信息并做出相应反馈的过程,为准确抽取信息及灵活做出反馈,本文设计基于规则匹配与RASA的任务型多轮对话系统。针对购票信息抽取问题,提出基于规则匹配的对话系统的解决方案,提高时间、地点、车次等购票信息的抽取准确率。针对多轮对话的灵活性问题,提出基于RASA的多轮对话系统的解决方案,沿用RASA对话系统的流水线结构,在结构中引入基于结巴分词的分词模型、基于Bert-BiLSTM-CRF的命名实体识别模型和基于BiGRUCRF的意图识别模型,降低铁路专有名词被错误切分的概率,实现用户购票意图的准确定位和购票关键信息的准确抽取。实验表明,以上3个模型的F1值分别达到91.48%、92.64%、92.49%,并在实际应用中表现出良好的性能。综上所述,本文根据铁路购票的流程以及语音购票的特点,研究设计适用于铁路语音购票场景的基于编码-解码神经网络的语音识别模型和基于规则匹配与RASA的任务型多轮对话系统,解决机器识别和听懂用户需求的问题,完成面向铁路语音购票场景的智能语音交互关键技术研究。