随着人工智能的快速发展,对话系统的应用越来越广泛,任务型对话系统作为人机对话系统的重要分支,其需求也在日益增加。在仪器仪表领域,随着仪器技术的不断发展,仪器领域相关任务的操作步骤越来越复杂,用户的学习成本越来越高,因此,将任务型对话系统应用在仪器仪表领域,能够帮助用户高效地完成任务,进而促进行业的发展。本文针对任务型对话系统中个性化缺失的现象,提出了基于任务树的个性化任务型对话系统模型,利用深度学习、自然语言处理等相关技术,结合开源框架Rasa实现了该模型的原型系统。首先,分析了任务型对话系统中个性化缺失的现象,针对该现象提出了基于任务树的个性化任务型对话方案,重点讨论了不同任务所形成的不同任务树结构,根据任务树结构提出了相对应的个性化任务型对话方案;分析了现有的任务型对话数据集存在数据质量低的现象,针对缺乏个性化数据、数据集不全面等问题,提出了建立个性化任务型对话数据集;设计了基于任务树的个性化任务型对话系统模型,并利用开源框架Rasa实现该模型。其次,使用BERT、Bi LSTM和CRF模型实现了意图识别和命名实体识别;根据任务相关知识构建了任务树,为对话数据集建立和对话管理提供了理论依据;建立了包含个性化数据的对话数据集和话术模板,用于模型训练;在对话管理模块,将任务树状态信息加入对话状态追踪,剖析了根据任务树和对话状态追踪信息执行个性化对话策略的流程,并详细论述了不同任务树结构对应的个性化对话策略流程。最后,将基于任务树的个性化任务型对话系统应用于仪器仪表领域中,针对信号发生器硬件实验和Lab VIEW软件实现了原型系统,通过UI界面与用户进行交互,帮助用户完成利用信号发生器产生调频信号以及利用Lab VIEW软件实现信号发生器的任务,验证了模型的可行性。