任务型人机对话系统旨在提供基于自然语言的人机交互方式,在智能客服、智能个人助理等方面具有广泛的应用。传统的对话系统分为自然语言处理、对话管理和自然语言生成三个部分,对话管理是任务型人机对话系统的核心组成部分,用来控制整个对话的逻辑和进行对话动作决策。三个部分独立建模,顺序执行,存在着误差累积等问题。因此,出现了一些联合建模的研究以缓解这一问题。本文研究自然语言理解和对话管理的联合建模,主要内容如下:本文提出了一个基于深度强化学习的自然语言理解和对话管理联合模型。该模型由三个级联的深层神经网络组成,底部两个循环神经网络自下往上分别建模当前对话句子以及到当前时刻为止的对话表示,上层的深度神经网络进行对话动作决策。该模型直接将自然语言文本映射到对话动作,融合了自然语言处理与对话管理。模型采用了深度强化学习技术进行集成训练。本文将上述模型应用到客服任务中,实现了一个基于联合模型的会议室预订人机对话系统,实验结果表明,系统性能优于已有的基于传统对话管理模型和联合模型的对话系统,其习得的对话层表示可以准确地映射到可解释的对话状态。