近年来,随着大数据技术和计算能力的不断提升,人工智能技术发展迅速,人工智能类产品也迎来了广泛的关注和研究,其中结合自然语言处理技术的智能问答机器人系统的需求也随之增多。目前如微软小冰等基于开放领域的聊天机器人已经逐渐投入市场,解决了部分情感助手的需求。然而,针对特定领域的问答系统需要专业人员的参与,问答回复准确率要求更高,虽然有着日益迫切的需求但是离真正的使用还有一段距离。多轮交互问答机器人能够根据用户的输入信息理解用户真正需要完成的意图,并且帮助用户完成任务型的指令,例如高校教育领域内的报考咨询,空管调度领域内的航班查询等,目前有着广泛的应用场景。多轮交互问答机器人能够极大程度地代替人工客服,回复速度快,回复准确率有保证,能够提升用户的咨询体验。本文所提出的多轮交互问答机器人为面向特定领域的任务型问答,支持用户自定义配置对话知识,采用基于管道的方式将多轮交互问答划分为语言理解、对话管理以及语言回复三个部分,其中本文的研究重点为应用自然语言处理技术和深度神经网络提供多个语言理解问题的解决方案。首先采用文本纠错技术对于用户的输入进行修正,然后通过对文本进行中文分词,词向量等数据预处理技术获取分词和词表示结果。接着通过对文本进行意图识别和实体识别使得机器人能够理解用户输入的潜在信息,通过对获取的语言理解信息和用户的对话状态上下文信息进行对话管理得到当前时刻机器人系统需返回用户的策略并生成具体回复返回给用户。针对各关键问题,本文首先构建了基于注意力机制的Seq2Seq模型来完成对于输入文本的纠错方法并实现。然后针对中文分词进行分词方法的介绍,通过对jieba分词源码进行分析得到分词错误的潜在原因并提出引入正则词典进一步修正分词结果。然后将意图识别问题分为面向通用语料以及面向领域意图知识两种问题,设计并实现了基于文本图卷积的深度神经网络意图模型,提出基于特征提取相似度匹配的意图识别方法,构建基于元学习思想的归纳网络的意图识别模型并实现。然后根据实体识别输入语料的不同按照序列标注问题以及字典匹配问题分别构建了基于词格的LSTMCRF模型和基于字典的最大正向关键词匹配方法。然后设计并实现了多轮交互问答机器人系统,设计多轮交互的问答流程,构建基于插槽填充思想的对话管理策略,并设计实现系统的功能接口,通过Flask框架打包服务,各功能模块间以RESTAPI的方式提供通信,然后使用异步通信方式部署系统,提升了系统的通信效率和并发能力。最后,对系统从关键问题解决算法进行对比实验分析结果,对系统的主要接口结果进行展示,以接口的形式进行响应时间,压力测试等性能实验。通过算法和系统两个方面的测试结果证明本文所实现的多轮交互问答机器人系统能够满足实际使用要求。