随着科技的发展,人们可以使用与各种计算设备直接进行自然交互来得到越来越多以前需要和人交互才能得到的服务,比如,咨询客服智能、自动订票服务等。在对话系统中,对话管理是用来控制系统与用户之间交互的核心部分。已有的对话管理技术主要包括有限状态自动机、槽填充、信息状态更新和概率模型等四类方法。本文研究基于部分可观测马尔可夫决策过程(Partially Observable Markov Decision Process,POMDP)的对话管理技术。具体包括：一、提出基于最大熵状态转移概率估计方法。该方法把状态转移看作是一个分类任务,可以解决零概率的情况。实验结果表明使用最大熵方法估计状态转移概率的模型能获得更大的期望回报值。二、提出了一种使用信息熵对观测概率进行修正的方法。该方法通过引入信息熵使信念分布能更精确地描述环境信息。实验结果表明,采用基于信息熵修正后的观测概率的POMDP模型产生的决策更自然。最后,综合上述方法,本文实现了一个基于POMDP管理模型的人机对话系统,该系统可以用于机器人的对象-属性教学。