随着我国经济快速增长,电力企业的业务数据的增长也更加迅猛,企业为客户服务内容的广度和深度逐渐繁杂,企业对客户的服务方式,无论是传统服务还是远程服务,都需要消耗大量的服务资源来与客户解答问题、办理业务。因此,在大数据背景下,有必要改变现有的经营模式,运用人工智能技术为客户提供全面、多样化的服务,提高服务质量,及时更新业务服务模式。本文基于电力业务知识库实现了一种问答系统平台。首先,本文以电力领域数据为基础,通过人工建模设计了知识库,通过python程序从非结构化数据中提取业务类的实体,构建了检索系统的电力知识库。然后,本系统基于Tensorflow框架,构建实体识别模型来识别业务实体。该模型包括:嵌入层、编码层以及解码层。编码层使用了 2种神经网络,分别是双向长短记忆模型和膨胀的卷积神经网络。解码层使用了条件随机场算法,保证了标签位置的有效性。再次,本系统基于sk-learn库的机器学习分类算法,对预测实体之间的关系进行分类。基于监督型训练数据,本文先后训练了贝叶斯分类器、岭回归分类器、多层感知机分类器、随机森林分类器,通过分析比较每个分类器对各个标签的表现,选择最优分类器作为本系统对实体识别模型预测的实体的分类。最后,本系统前端的开发是在Django框架下完成前端页面的绘制和接口的调用,又基于Flask框架完成后台开发,实现实体识别模型和分类模型的调用。本系统实体识别模型和分类器模型的评估基于混淆矩阵,分析各个分类标签在各自的准确率、精确率、召回率和F1值的表现,将最优的模型进行组合,经实验证明系统性能良好。