随着互联网技术的高速发展,互联网中的数据量也在飞速增长,面对海量数据,人们要求获取到的信息更加简洁准确。人物关系问答系统接收用户的自然语言问句并返回给用户简洁准确的答案,有效帮助用户快速构建人物印象。本文设计并实现了基于知识图谱的人物关系问答系统。知识图谱用于存储结构化的人物信息,问答系统以知识图谱为知识库能够提高问答的效率和准确性。该系统收集人物信息以构建人物关系知识图谱,通过问句分析和知识图谱查询实现问答功能。本文的主要工作如下:（1）基于BiLSTM-CRF模型设计并实现了BiLSTM-ATTE-CRF联合抽取模型,用于人物关系领域知识抽取任务。为减少串联抽取带来的积累误差,采用基于联合标注的联合抽取方式。在BiLSTM-CRF模型中增加自注意机制,提高实体和关系特征词之间的关联性。采用预训练的Bert词嵌入向量和主动学习方法来减少人工标注数据的需求,提高抽取效果。（2）构建了人物关系领域的知识图谱。知识图谱构建模块包含三个子模块:数据爬取和预处理、知识获取、知识融合。数据爬取和预处理子模块是爬取人物相关语料并对语料进行清洗和标注。知识获取子模块采用BiLSTM-ATTE-CRF模型实现联合抽取。知识融合子模块采用基于实体相似性的对齐方法来整合不同来源的数据,更新知识图谱。（3）设计并实现了基于知识图谱的智能问答系统。问答系统包含智能问答模块和Web服务模块。智能问答模块实现人物关系问答功能和后台管理功能。人物关系问答通过问句分析获取到用户意图和关键词,利用关键词在知识图谱中匹配和知识推理。设计概念图结构并采用随机深度遍历方法来推理人物关系,挖掘知识图谱中的隐含信息并提高问答正确率。后台管理功能用于问答系统的维护和更新。对联合抽取模型测试,结果表明,主动学习策略能够有效降低人工标注成本,本文设计的BiLSTM-ATTE-CRF模型有效提高了人物关系领域中实体关系联合抽取的效果。根据系统的功能和非功能测试,该系统提供了简洁有效的问答和后台管理功能,同时智能问答的时延在1s以内,问答准确率在90%以上,具有较好的实用能力。