随着信息技术的发展,人们几乎可以在任意时间、任意地点实时地使用互联网提供的便捷服务,人与计算设备的交互越来越频繁,因此对交互的便利性、自然度也提出了越来越高的要求。口语对话系统(Spoken Dialogue System)的目标是让人们通过语言这种最自然、便利的方式与计算机进行交流,有着广泛的应用需求。对话管理是口语对话系统的核心,得到了广泛深入的研究,其中,部分可观测马尔可夫决策过程(POMDP)目前被认为是最重要的一个模型。本文针对该模型存在的两个问题,开展了如下工作:针对现有的基于POMDP的对话管理模型中槽个数及每个槽取值都有限的问题,提出了一种对象动态绑定方法。该方法虽然能处理的糟数量依然为有限,但可以允许某个槽的取值为无限。针对口语对话系统中语音识别的不确定性,提出了一种基于语音识别的N-Best结果估计POMDP模型观测概率的方法。结合上述两个改进方法提出了一个改进的POMDP模型,设计了其求解算法。并以面向教学任务的口语对话为例,设计实现了一个对话系统,在该系统上的评测表明,本文提出的改进模型能够处理对象数为无限的教学任务,并且基于N-Best的观测概率估计方法提高了系统的性能。