随着互联网的飞速发展,信息呈现爆发式增长,从海量信息中获取用户所需信息的智能问答系统也应运而生。不同于搜索引擎那样需要用户自己搜索并整合相关信息得到问题的答案,用户通过问答系统提出问题便可得到简单准确的回答,能够满足用户快速获取问题答案的需求。问答系统在实践中有着广泛应用,特别是限定领域的问答系统,在实际社会生产中能够为用户快速提供该领域专业且准确的回答。早期的问答系统大多基于规则模型和统计模型实现,并不能很好的理解用户提出的自然语言问题。随着技术的发展,出现了机器学习领域的重要分支——深度学习,使用神经网络作为特征提取器,将人们从传统机器学习繁重的特征工程中解放。深度学习在问答系统领域取得了很好的效果,目前性能较好的智能问答系统大都基于深度学习实现。本文面向保险领域构建基于深度学习的问答系统,旨在为用户提供一个专业且高效准确的保险问答系统。系统包含保险问答数据集构建、候选问答对检索和答案生成三个模块。保险问答数据构建模块负责数据集的收集、扩展和问答对索引库的构建。候选问答对检索模块负责对用户提出的问题进行理解并从构建好的问答对索引库中基于Lucene快速检索出候选问答对集。答案生成模块负责答案的生成,通过BERT模型对候选问答对集进一步筛选获得更小规模的高质量候选答案集,使用BertSum模型对候选答案集进行文本摘要生成最终答案。系统实现采用三层架构设计,前端使用Thymeleaf模板和Bootstrap框架构建,负责用户交互、向后端发送请求并展示返回的数据。后端分为Java中台和Python后台,Java中台使用SpringBoot框架和Mybatis框架实现,负责前端和后端的信息交互、索引库的构建以及数据持久化;Python后台负责深度学习相关代码实现。使用gRPC进行中台和后台的跨语言通信。使用MySQL数据库存储系统数据。