农村金融知识普及教育一直是国家在推进全面乡村振兴工作的重点任务之一,但是农民能够获取相关知识的渠道存在一定的不便性,即使是利用搜索引擎获取信息,大多数情况下,搜索引擎并不能直接给予用户简洁准确的答案。为了给农村用户提供便利的知识获取途径,本文对问答系统进行了深入研究,知识数据是问答系统的基础,针对农村金融领域的知识特点,构建了农业企业信息知识图谱和问答对形式的常见问题库,以此作为问答系统的数据层依托;实体抽取、问句匹配是实现问答系统的核心技术,采用BERT-Bi LSTM-CRF模型实现了企业信息领域的实体识别并采用BERT-Attention-Bi GRU模型实现了问句匹配,最终实现了面向农村金融领域的问答系统,具体工作内容如下:（1）构建农业企业信息知识图谱。通过数据爬虫、实体识别、关系抽取等方法,实现公司信息数据采集,并应用传统概率模型方法实现数据间的知识融合,最后将三元组数据导入到Neo4j中构建出农业企业信息知识图谱。（2）构建问答对形式的常见问题库。通过爬虫技术和人工归纳的方式采集到了原始数据集,为了丰富数据集,不仅利用简单数据增强（EDA）方法对问句进行了扩充,同时还利用Sim BERT模型对问句进行生成从而扩充问句语料。（3）设计了基于常见问题查询和基于知识图谱查询。针对基于常见问题查询,主要包含两个模块,检索模块和深度问句语义匹配模块,检索模块基于Elasticsearch实现,深度问句语义匹配采用BERT-Attention-BiGRU模型完成,为了验证该模型在问句匹配任务中的有效性,将模型与传统短文本匹配模型和工业界常用文本匹配模型在已构建的问句数据集上进行对比实验,实验数据表明采用的模型在系统问句匹配任务应用中表现最佳;针对基于知识图谱查询,采用BERT-Bi LSTM-CRF对问句进行实体识别,并利用模板匹配来实现基于知识图谱查询。（4）构建基于面向农村金融领域的自动问答系统。以构建的知识图谱和常见问题库作为数据基础,以自动问答功能为核心,最终开发了基于Web的自动问答系统,为用户提供自动问答服务,为了验证系统的有效性,采取众包的方式对系统进行了测试,系统最高达到96%的准确率。