目前,在新冠疫情风卷全球的背景下,线上医疗服务在其中扮演着重要的角色,而医疗在线问诊服务起到了举重若轻的作用。在医疗问诊中,需要理解对话并对患者进行诊断和治疗,在一个实际的医疗对话场景中,医生和患者之间的医疗对话蕴涵的疾病、症状、药物和检查等信息极为重要,是构建智慧医疗的重要基础,这影响着医生是否能正确的诊断和治疗患者。在以往的研究中,医疗数据集呈现单一标签、标签数量不足、训练任务单一等问题,还没有提供多任务多标签的医疗对话数据集。为了能够提供更加有效的医疗问诊服务,本课题提供了多任务多标签的医疗对话数据集,作为构建智慧医疗的重要基础,为此,本文从在线春雨医生网站爬取了医疗对话,组织人员并制定了标注规范,构造了多任务多标签的医疗对话数据集。此数据集对医疗对话研究起到了建设性作用。其次,对于智慧医疗,能帮助患者做出辅助决策极为重要,基于目前的医疗对话生成,存在回复中医疗实体不足以及医疗实体关系混乱问题,导致医疗对话生成可信度降低,影响患者的判断。针对这些问题,本文提出了融合知识图的实体感知医疗对话模型,利用对话历史来预测本轮回复的医疗实体,并引入医疗知识图谱来辅助生成医疗对话,使医疗对话生成可信度得到提高,并应用于医疗对话生成模型。最后,本文将所提出的模型应用到实际的医疗问诊中,设计并实现了一个基于医疗问诊的智能对话系统,并将它与微信小程序进行对接,通过对医疗问诊对话系统的功能演示,进一步验证融合知识图的实体感知医疗对话模型在现实生活应用中的可行性。