模拟仿真训练作为一种低损耗、低风险、易组织的训练方式,是信息化时代背景下一种重要的军事训练方法。传统的模拟训练系统主要以“鼠标+键盘”的方式实现交互,具有训练周期长、缺乏沉浸感等弊端。近年来,深度学习技术的快速发展极大的推进了人工智能的进步,众多的领域都在探索机器的智能。这为模拟训练系统的建设提供了新的思路。将语音交互应用于模拟训练系统中,有利于增强沉浸感,提升训练效果。对话系统是语音交互中的一个主要模块,其核心在于让机器理解用户的语义信息,根据语义信息从数据库中调用数据并组织成自然语言,它涉及到对话状态追踪、自然语言生成等多个技术。对话状态追踪是语义理解的重要模块,传统的方法多采用判别式模型计算属性值,依赖于预定本体,而完整的本体在实际应用中难以获取。生成式模型可以直接生成属性值,避免了判别式模型的弊端,成为目前的主流方法。因此,本文从仿真训练场景出发,研究生成式对话状态追踪方法,提出了基于BERT预训练模型的对话状态生成算法（BERT-DSG）,利用BERT模型融合语义信息,避免了卷积神经网络和循环神经网络进行语义编码时不能捕获语句长距离依赖信息的缺点,并设计了门限预测模型,根据语义信息筛选出会生成属性值的槽位,提高了训练的效率和模型的准确率。在此基础上,本文又提出了基于状态抽取与状态生成的对话状态追踪方法（SEG-DST）,该方法采用抽取与生成相结合的方式计算对话状态,其中的基于复制机制的状态抽取模块利用迭代机制融合语义信息和属性信息,进一步加强关联性较强的词的权重,通过预测起始和终止位置分布概率得到对话语句中的一段子序列作为属性值。不能直接从原文抽取的属性值则采用生成的方式生成。这一方法可以较为有效的解决未登录词汇问题,特别是在表达形式相对固定的军事语言中大部分属性值会直接出现在对话语句里。在中文对话数据集和军事对话数据集MILDial上的实验结果表明,BERT-DSG和SEG-DST获得了比基线方法更高的准确率。其中,BERT-DSG在Cross WOZ和MILDial上的准确率分别达到了52.73%和86.81%;SEG-DST分别达到54.70%和96.35%,比基准模型SOM分别高出4.64%和8.12%。两个数据集上的实验结果验证了本文提出的算法适用于民用对话场景和仿真训练对话场景。