复述识别任务,旨在判断两个自然文本是否表达相同的语义,是自然语言处理中的一项基础任务,解决该任务的关键是正确理解句子的语义以及判断出两个句子之间的关系。目前,复述识别方法主要基于深度神经网络模型,该类方法将复述识别任务视为一个二元分类任务,并取得了很大进展。但现有方法在问句复述识别任务中以及在特定领域的复述识别任务中还存在不足之处,如存在信息缺失导致的语义理解与交互不充分问题。因此,本文针对以上科学问题进行研究,并搭建了基于知识库的智能问答系统原型。本文研究内容主要分为以下三个部分:（1）基于正交化语义表示的问句复述识别方法在问句复述识别任务中,问句中的问题词取代了原有句子的部分信息,因此需要更充分的语义理解与交互。现有工作通常基于问句的语义级编码,通过融合或交互的方式,抽取问句的浅层语义特征,以此支持复述问句之间的语义计算,但这种编码方式较为单一,无法充分理解句子的语义与关系。若能找到两个问句的相同点和不同点,就可以基于这些信息得到更为准确的判断结果。基于此想法,本文提出了语义正交化匹配方法,通过该方法将每个问句拆分为与另一个问句的相似表示和差异表示,这不仅丰富了问句的语义表示,而且实现了问句的多粒度特征语义融合。本文在中文数据集LCQMC和英文数据集Quora上进行实验,证明了语义正交化匹配方法在问句复述识别任务中的有效性。（2）基于领域知识融合的复述识别方法在通用领域的复述识别任务中,一般只需要理解句子语义,再依据两句话的语义相似度就可以直接判断出两个句子是否互为复述关系。而在特定领域中,由于领域知识缺乏,专业术语难理解,复述识别必须要具备特定领域的专业知识,才能更准确地理解两个句子的语义,并进一步判断出它们的区别与联系。因此,针对特定领域,本文提出了一种基于领域知识融合的复述识别方法,首先为句子补充专业知识,再将专业知识融入到每个句子的语义中,最后实现更准确的语义相似度判断。本文以计算机科学领域为例,在英文数据集PARADE上进行实验,提出了两种领域知识扩充方法,并证明了领域知识融合方法在特定领域复述识别任务中的有效性。（3）基于复述识别的问答系统原型实现结合前文的复述识别方法研究,本文构建了冬奥会相关的知识库语料,并搭建了基于知识库的冬奥会智能问答系统原型。该系统原型基于REACT实现前端界面,Jersy实现数据传输。算法实现时,首先使用基于BM25算法的ES检索架构进行初步检索,再结合本文的复述识别算法进行判断,实现用户问题与知识库问题的匹配,最终返回用户所需的答案。