近几年来,随着社会信息化和互联网产业的快速发展,企业对自动问答技术的需求日益增长。特别是电商系统和社交领域,自动问答系统的重要性已逐步凸现出来。基于文档的自动问答系统具有适用性强、调整迅速的特点,非常适用于智能客服助手和聊天机器人等应用场景。得益于深度学习技术的快速进步和大规模网络知识库的出现,基于文档的自动问答技术已具备一定的理论研究和实现基础。本文所论述的中文文档自动问答技术的实质就是句子的语义匹配,为提高语义匹配的准确性,本文提出了基于深度学习的中文问答匹配方法。本文主要完成了如下工作:1.创新性的提出了一种新的注意力加权方式,可用于对卷积神经网络学习到的语义特征进行加权,突出那些更能代表整个句子的语义特征。2.通过新词发现工作,制作了一份用户自定义词典,用以避免分词算法的歧义现象,并运用该自定义词典和word2vec工具训练了一个较高性能的中文词向量模型。3.实现了注意力机制、长短期记忆网络(LSTM)和卷积神经网络模型(CNN)的混合语义模型,并进行了对比实验。实验结果表明,加入了注意力机制的混合模型可以进一步提升匹配的准确度,在Top-1 accuracy和平均倒数排序(MRR)评测指标上分别取得了 2.2%和2.1%的提升。