近年来,人工智能的发展非常迅速,并且在人们的生产生活中有了很大的普及。为了降低人工成本,很多门户网站的客服栏都推出了知识问答功能,通过用户与智能机器之间一问一答的形式,为用户提供答案并且能友好地进行交谈。在人类的理解中,事件作为一个基本单位更加地符合了人们的思维习惯,因此,事理逻辑被认为是一种十分重要且普遍存在的知识,从而反映事理逻辑的事理图谱被研究者们提出。在知识问答系统的应用上,事理图谱因为其具备的事理逻辑性,在回答“为什么”、“怎么做”等问题时具有更优秀的表现。事件抽取和事件关系抽取则是事理图谱的基石,其准确率决定了事理图谱的质量。本文设计并实现了基于特定场景事理图谱的知识问答系统,主要工作包括:（1）以中文事件抽取任务出发,解决中文事件抽取中的一些特定问题,并提出了一个基于深度学习的事件抽取模型ON-TLNN,并且该模型在与其他事件抽取模型对比时,取得了最优的结果。（2）将实体关系抽取的方法引入到了事件关系抽取任务中,使用了一个基于深度学习的有序神经元模型,结合注意力机制,完成了事件关系抽取任务;并且在此基础上提出了 ON-LSTM与图卷积神经网络相结合的模型,最终取得了优于基准线的结果。（3）完成了基于事理图谱的知识问答系统的设计与开发。首先对问答系统进行了总体的系统需求分析、系统的可行性研究分析和系统的功能需求设计分析;然后对系统的整体软件架构、数据库和每个功能模块都进行了设计与实现;最后通过功能测试和性能测试可以得出,系统的整体性能达到预期性能标准。