知识图谱作为目前新兴的知识存储与表示方式,在计算机可识别性与人类可读性方面都较传统的文本链接形式有了巨大的进步甚至飞跃,尤其在组织大量数据信息时,能够体现出优越的可扩展性与交互性。对于一般知识与特定领域知识的保存、查询、推理工作都具有较好的推动作用。本论文旨在对于知识图谱原理与概念的学习与总结的基础上,面向常见的疾病构建基于开源数据和其他医疗资料的知识图谱,用来搭建关于常见疾病的自动问答系统。本文介绍了知识图谱的概念以及展示了基于开源数据和其他医疗资料的知识图谱的构建过程。通过建立疾病本体与构建常用症状词汇表从开源数据中对用户问询的疾病知识进行比对,运用中科院中文分词算法以及停用词排除法对中文语句进行高利用率的语义识别,形成有效的中文关键词之后通过与用户的反复交互,排除无用的疾病症状后对现有症状的聚合,得到可能的结果集之后,通过相似度匹配优化算法推断出用户可能问询的疾病的最优解。最后结合收集到的知识图谱数据,对设计的自动问答模型进行实例检验,并对实验结果进行校验。