知识图谱问答以结构化的知识图谱作为答案来源回答用户提出的自然语言问题。在已有的知识图谱问答方法中,基于查询图的方法广受关注。基于查询图的知识图谱问答方法包含查询图生成和查询图选择两个主要模块。其中,查询图生成实现问句的语义解析,将问句转换为一组候选查询图;而查询图选择是从候选查询图集合中选出最优查询图,并从知识图谱中检索答案。尽管基于查询图的知识图谱问答方法取得了一定的进展,但其在复杂问句的语义解析以及问句和查询图语义匹配中仍面临一定挑战。本文对查询图生成和查询图选择分别展开研究,主要内容包括如下:（1）节点与边联合约束的查询图生成方法针对已有查询图生成方法在复杂问句解析中的局限性,本文提出一种结合节点约束和边约束进行查询图生成的方法。该方法通过引入基于边的搜索操作、边约束挂载以及组合操作,能够更准确地生成查询图候选。此外,本文构建了一个包含多种复杂问句类型的中文知识图谱问答数据集。在两个基准数据集上的实验结果表明,所提查询图生成方法明显优于已有方法,并提升了问答系统的最终性能。（2）基于全局排序的查询图选择方法本文提出基于全局排序的查询图选择方法以进行最优查询图选取。首先将查询图转换为序列,使得问句和查询图的匹配问题转换为两个序列之间的匹配问题。然后采用预训练语言模型编码问句和查询图序列并引入两者之间的交互信息。最后通过结合正例查询图和负例查询图的关联进行得分优化。在中英文数据集上的实验结果表明,基于全局排序的查询图选择方法取得了良好的系统性能。（3）基于重排序的查询图选择方法已有的查询图选择方法通常基于单阶段排序的方式,这种方式在top-1性能和top-k性能之间存在较大差异,即许多正确的查询图能排在前列,但不总是排在第一位。针对这个问题,本文提出重排序方法,针对top-k数据进行二次排序。在重排序过程中,一方面依据第一阶段的排序结果进行数据重采样,另一方面引入答案类型信息设计新的编码方案。在中英文数据集上的实验结果表明,采用重排序方案能够缓解单阶段排序造成的错误情况,进一步提升系统性能。（4）基于查询图的中文知识图谱问答系统中文知识图谱问答系统大多基于信息检索的方法,并且能够处理的问题类型相对有限。本文在上述研究的基础上构建基于查询图的知识图谱问答系统,实现了一个更可靠的在线问答系统。综上,本文针对知识图谱问答任务首先提出一种查询图生成方法来更好地解析复杂问句,并且构建了一个复杂问答数据集验证查询图生成方法的有效性。然后研究基于全局排序的查询图选择方法,并进一步提出基于重排序的方法。最后通过结合上述三点内容构建一个中文知识图谱问答系统。