随着智能对话系统的不断发展,人机交互的方式发生了巨大的变化。原来的基于从命令到反馈的人机交互方式逐渐被打破,人机交互正朝着更加便捷、自然、智能的方向发展。机器正在由被动接受用户的信息向主动理解用户的意图方向发展。随着用户数据的不断积累,大数据和人工智能技术使得在一些场景下机器人比用户更懂“自己”,但是目前的智能语音对话系统,话题展开一直由用户驱动,这样很容易造成用户兴趣点缺失、兴趣度下降、对话终止等问题。因此,本文针对智能语音系统存在的问题,从如何在对话过程中选择合适的话题和如何引导话题两个方面展开研究,主要内容如下:针对人机对话话题推荐中存在的用户对话内容简短、话题的时效性强等问题。本文提出一种基于知识图谱的话题推荐算法。该算法首先根据相似用户具有相同爱好的特性,利用相似用户对话题的喜好为用户选择候选话题,将人机对话话题预测转变为用户对候选话题的点击概率问题。其次,利用知识图谱增强用户表达内容的特征表示。最后,利用注意力神经网络模型对候选话题进行预测。实验表明该算法在人机对话话题推荐上的准确率以及精准率方面明显高于其他模型。针对如何在人机对话过程中为用户进行话题引导的问题,本文提出了基于博弈的人机交互话题引导模型。该模型根据人与人之间的交互关系,提出了人机交互情感友好度和人机交互内容友好度及其量化表示方法,用于分析、量化人机交互的关系表示。通过分析人与人之间话题的博弈关系,对人机交互的话题博弈过程进行建模,从而确定是否对话题进行引导和引导哪个话题,据此实现话题引导并对用户进行回复。实验表明,本模型能够在不破坏人机和谐性的同时对话题进行引导,引导之后用户的情感以及兴趣度都会有较大的提升,提高了人机交互的满意度。