问答系统采用自然语言作为交互方式,针对用户提出的问题给出简洁、准确的答案。利用问答系统进行信息检索符合现代社会对于高效获取信息的需求趋势,而知识图谱技术的发展为实现问答系统的目标提供了充裕而又准确的数据支撑,更加有效促进了问答系统的发展进程。知识问答系统旨在利用存储结构化知识的知识图谱作为数据支持平台,基于此平台,实现用户提出的自然语言形式的问题与知识图谱之间的数据交互,从而向用户返回答案。中医作为中国的传统医学,积累了深刻、有效的医疗实践理论。面向中医领域的知识问答系统研究主要包含如下内容:首先,以疾病为中心,利用爬虫技术从中医网站中抽取有效的知识信息。并对其进行实体识别、关系抽取和属性定义,从而构建出包括10种实体类型、9种关系类型和1种属性类型的中医知识图谱。其次,做用户问题解析。主要是对用户输入的自然语言形式的问题进行中医关键词的抽取和关系属性的匹配操作。针对中医术语对仗平衡的表达特点,提出将Aho-Corasick自动机算法应用于自然语言形式问句中的中医关键词抽取,该算法能够达到很好的中医关键词抽取效果。在关系属性匹配操作中,传统的模板匹配方法是从字符层面对问句的提问目的和知识图谱中的关系属性进行匹配,实施简单且效率高。使用孪生结构的Bi LSTM对用户输入的自然语言形式的问句和中医知识图谱的知识单元进行语义向量建模的方法则从语义层面对问句的提问目的和知识图谱中的关系属性进行匹配,有效克服了知识图谱和自然语言问句在表达方式上的差异性。因此,提出将两种方法进行结合从而有效实现关系属性的匹配操作。最后,获取到问题中的中医关键词和对应的关系属性后,将问题转化成中医知识图谱上的查询语言,在中医知识图谱中进行信息检索,获取答案并返回给用户。实验结果表明,面向中医领域的知识问答系统针对中医领域相关知识,完整的实现了从数据采集到问答检索应用的过程,能够实现对用户的自然语言问句进行准确回答。图33幅;表14个;参51篇。