アテンションベースのエンコーダー-デコーダーニューラルネットワークモデルは、最近、目的指向対話システムにおいて有望な結果を示しています。しかし、これらのモデルは、状態を持つ知識を推論し組み込む一方で、エンドツーエンドのテキスト生成機能を維持することが困難です。このようなモデルはユーザの意図と知識グラフの統合から大いに利益を得られるため、本論文では、知識グラフとコーパスの合同埋め込みを入力として訓練するRNNベースのエンドツーエンドエンコーダー-デコーダーアーキテクチャを提案します。提案するモデルは、テキスト生成に加えてユーザの意図も統合し、マルチタスク学習パラダイムと出力として誤ったエンティティを生成することに対する罰則を与える追加の正規化技術を使用して訓練されます。さらに、推論時にローカルな知識グラフに基づいて生成された出力が状態を持つことを保証するために、知識グラフエンティティ検索を組み込んでいます。最終的に、BLEUスコアを使用してモデルを評価しました。経験的な評価は、提案したアーキテクチャがタスク指向対話システムの性能向上に寄与できることを示しています。