In dieser Arbeit schlagen wir ein neues end-to-end Framework vor, das KBRD (Knowledge-Based Recommender Dialog System) genannt wird. Es integriert ein Empfehlungssystem und ein Dialoggenerierungssystem. Das Dialogsystem kann die Leistung des Empfehlungssystems durch die Einführung von wissensbasierten Informationen über die Benutzervorlieben verbessern, während das Empfehlungssystem die Leistung des Dialoggenerierungssystems durch die Bereitstellung von empfehlungsbezogenen Vokabularverzerrungen erhöhen kann. Experimentelle Ergebnisse zeigen, dass unser vorgeschlagenes Modell in der Bewertung sowohl der Dialoggenerierung als auch der Empfehlungen erhebliche Vorteile gegenüber den Baseline-Modellen aufweist. Eine Reihe von Analysen belegt, dass die beiden Systeme gegenseitige Vorteile für sich beanspruchen können und dass das eingeführte Wissen sich positiv auf ihre Leistung auswirkt.