用户在新一代的智能搜索引擎——问答系统环境下,可以用自然语言提出问题,并能获取准确的搜索答案。相对于传统的搜索引擎,问答系统可以更便捷地满足不同用户的查询需求,并能更加准确地为用户检索到所需答案。论文结合自然语言处理技术,研究了中文问答系统中的两个关键技术：问题理解与信息检索。采用Visual C++开发环境实现了一个中文问答系统,除此之外,还对中文问答系统进行语音界面扩展,实现了非受限领域的、可完全通过语音交互的自动问答系统。本文的研究成果和相关的具体内容如下：首先,本文对中文问答系统中问题理解过程进行分析研究。针对问题理解过程,提出了基于疑问焦点的问题分类方法；建立问句句型库,进行问句分析,从而提高了系统对不同表达方式提问的处理能力；采用机器学习方法——最大熵模型作为分类器,进行问句的语义角色标注,并转化为语义框架结构。其次,本文对影响中文问答系统性能的另一核心问题信息检索进行了研究。提出了一种FW检索方法,包括FAQ库检索和Web检索。利用网络中的共享知识平台,构建了规模较大的常见问题知识库,以实现本地知识库检索；本地知识库搜索失败,则利用Google搜索得到的网页片断作为抽取答案的资源,进行Web检索。最后,本文还尝试将语音界面引入到非受限领域的自动问答系统。由于语音识别准确率直接影响着问答系统运行的整体性能。故系统设计时没有自行开发语音识别系统,而是采用了成熟的IBM ViaVoice语音识别系统,实现了一个语音界面扩展的中文问答系统。