自从计算机问世以来,如何更好的进行人机交互一直是人们关注的话题,对话系统能够让机器像人类一样使用自然语言与人类交流,任务型对话系统旨在帮助用户完成特定的任务。传统方法构造的对话系统难以在数据集匮乏的场景下具备良好的性能,无法适应对话场景变化且无法回答常见问题。任务型对话系统由于能够降低对人力的消耗受到越来越多领域的关注,因此面向领域的任务型对话系统设计与研究具有重要意义。本文的目标是设计并实现适用于垂直领域的任务型对话系统。围绕这个目标,本文从任务型对话系统的算法和软件架构两个方面展开研究,针对现有技术的不足,提出新的方法和解决方案。本文的主要贡献有如下几个方面:1.任务型对话系统算法（1）为了让系统在进行多轮对话的同时,具备回答常见简单问题的能力,设计一种融合单轮对话和多轮对话的算法框架。该方法首先通过意图匹配判断对话属于单轮对话还是多轮对话,然后分别采用不同的算法进行对话。仿真实验表明,融合单轮对话有效地提高了对话系统的任务完成率,能够对常见简单问题进行回复。（2）针对深度学习方法固有的数据饥饿问题,提出对话规则树数据结构表示多轮对话规则,并在此基础上建立了对话管理算法。该方法在多轮对话开始阶段通过自然语言理解识别出的用户意图定位对话规则树,识别出的槽值定位树中的结点,然后在对话过程中通过识别出的槽值进行对话结点的转移引导用户完成任务。仿真实验表明,在标注语料有限的情况下,获得了比深度学习方法更高的任务完成率。2.微服务架构系统提高系统并发性和可用性,采用聚合器微服务模式设计对话系统,通过对话代理服务调用自然语言理解服务、对话管理服务和单轮对话服务实现了对话功能,同时设计了服务降级策略保证系统在高并发的情况下核心对话功能可用。通过Redis构建缓存,将数据从My SQL中预读到缓存,避免了其频繁访问磁盘带来的高时延问题。该对话系统的性能在最终的功能测试和性能测试中得到了验证。