随着经济快速发展和贸易全球化的持续深入,港口机械的发展与经济发展及社会进步的联系愈发密切。作为港口机械的重要组成部分,港口起重机械的设计制造与运维水平对国民经济和国际贸易的重要性日益彰显。当前人工智能产业和智能制造技术快速发展,智慧生活和智慧办公等理念日益深入人心,人们对信息查询的要求越来越高,相关研究人员和从业者希望可以提高港口起重机械领域知识的智能化管理水平,精准高效的查询信息。但港口起重机械领域知识类别繁杂,现有关键词查询方式无法发掘知识间的语义联系,查询精度和效率都难以满足港口起重机械知识智能化管理的需求。如何为港口起重机械领域的相关从业者提供高效的信息查询服务,已成为港口起重机械知识智能化管理进程中亟待解决的重要问题。本文采用知识库问答技术构建了港口起重机械本体知识库,利用深度神经网络（Deep Neural Networks,DNN）技术实现了自然语言问句的语义解析,并提出了港口起重机械知识库智能查询方法。该方法可充分理解用户查询意图,对本体知识库进行语义查询,获取精准的查询结果。论文的主要研究内容如下:（1）提出一种自顶向下半自动化构建限定领域本体知识库的方法,构建港口起重机械本体知识库。首先利用NLPIR-ICTCLAS汉语分词系统对港口起重机械领域的文本语句进行分词处理,并筛选出领域本体、属性和实例,然后借助protégé软件构建知识库,最后通过本体一致性推理和知识验证对本体知识库进行完善和补充。（2）引入DNN技术,对自然语言问句进行语义解析。利用Bi-LSTM-CRF（Bi-direction Long Short-Term Memory Conditional Random Field）模型进行港口起重机械领域的命名实体识别,结合用户提问习惯和领域知识同一实体存在不同表述方式的特点,根据实体词典进行实体对齐,完成问句的命名实体识别,并利用PCNN-ATT（Piecewise Convolutional Neural Networks-Attention）模型进行实体关系抽取,获取由命名实体和实体关系组成的实体三元组。最终,结合SPARQL（SPARQL Protocol and RDF Query Language）查询模板与实体三元组信息,将自然语言问句转换为SPARQL语句,实现问句的语义解析。（3）基于本体知识库技术和自然语言问句语义解析技术,提出了港口起重机械知识库智能查询方法,并构建了测试系统进行了验证。问句语义信息完整时,测试系统执行精准查询模式,充分理解用户提问意图,为用户返回精确的查询结果;问句语义信息不完整时,根据用户查询习惯进行模糊查询,返回用户最有可能查询问题的相关答案。通过构建港口起重机械Bi-LSTM-CRF模型命名实体识别和PCNN-ATT模型实体关系抽取数据集,对相关模型和知识库智能查询方法进行了测试。测试结果表明,以精准查询模式为主的港口起重机械知识库智能查询方法的信息查询效率较传统的关键词查询方法有显著的提升,极大地提高了相关从业人员获取信息的效率,智能查询方法具有较高的可行性和实用性。