随着社会的发展,新时代的家长对婴幼儿服务有很高的要求,如何让婴幼儿健康成长成为了一个社会话题。本文深入研究基于管道的任务型多轮对话系统,对其进行建模并应用到婴幼儿服务领域,最后成功开发了婴幼儿服务平台。此平台的开发是为了解决家长在养育婴幼儿过程中所遇到的一些问题。任务型多轮对话系统旨在根据特定的服务需求,在与用户多轮交互中获取有效信息来完成指定任务。对话系统按照对话轮次可以分为单轮对话和多轮对话,相比单轮对话,多轮对话对人机对话的上下文、指代省略的补全和复杂需求的明确等问题都有着更为复杂的要求,也更加贴近现实生活中闲聊、咨询、推荐、服务需求等应用场景,是本文的研究重点。本文的主要工作如下:（1）本文提出了基于外部记忆的意图识别模型。对话系统的意图识别决定了对话的整体走向,系统只有正确识别用户的真实意图后续的对话才会有意义。本文所提出的意图识别模型是以双向长短期记忆神经网络（Bidirectional Long Short-Term Memory Network,Bi LSTM）为基础,同时引入外部记忆单元和自注意力机制。外部记忆单元存储容量大,可以解决内部记忆单元因存储容量小而容易丢失关键信息的问题;自注意力机制可以捕获更多的语义消息,有利于意图的识别。（2）本文提出了基于DQN的对话策略模型。传统的基于最大似然估计的模型每一次回复是生成最大概率的句子,这些句子经常是万能回复,当出现提问和回复相似或相同的句子时,对话系统容易陷入死循环;对话系统中的对话策略模块可以引入强化学习算法Q-Learning,然而对话系统通常有很大的状态空间或动作空间,Q-Learning需要建立一个Q表去维护,会消耗大量的内存。对话策略模块引入深度强化学习算法DQN可以解决上面问题,DQN算法引导多轮对话过程中每轮的回复选择,其每次选择的原则是最大化未来奖励,给对话引入新的信息,提高了对话系统的性能。（3）为了解决家长在养育婴幼儿过程中所遇到的一些问题,本文开发了一个基于任务型多轮对话的婴幼儿服务平台。此平台开发使用的核心技术是本文研究的模型以及任务型多轮对话的相关算法。本文立足于社会问题,对平台的开发背景和目标进行深入研究;接着对平台进行需求分析和系统设计,确定了平台的整体框架;最后成功开发了婴幼儿服务平台。