无论何时,人们都希望在第一时间得到问题的答案。为此,自动问答一直是人工智能和自然语言处理领域中一个倍受关注并具有广泛发展前景的研究方向。随着硬件的强有力支持,以及互联网和人工智能技术的发展,也产生了像IBMWatson这样优秀的问答系统。但目前绝大多数的问答系统是面向开放领域的,数据相对可靠度不高,而且回答的问题也多属人工构造,对实际问题的回答往往效果不佳。因此,建立受限领域的问答系统不失为一个更加现实的方向。中草药作为传统文化的瑰宝,千百年来为中华民族的繁衍生息做出了巨大的贡献,受到广泛关注,特别是青蒿素诺贝尔奖的获得,更是掀起了新的研究和学习热潮。论文基于大量专业中草药数据,重点研究和实现中草药领域的自动问答系统,具有十分重大的意义。本文主要工作如下：1)研究语义网的相关理论,设计中草药领域顶层本体,并且通过对数据库的重构,实现信息自动抽取工具,最终构建成拥有300多万三元组的中草药语义网。2)研究自动问答的关键技术,分析问题特点,提出一种层次过滤式的SPARQL查询语句生成策略,由上而下分别基于模式匹配、基于领域知识和基于机器学习。采用不同的组合特征进行对比实验,论证了相关方法的可行性。3)根据以上研究,设计并实现了基于中草药语义网的自动问答系统。通过对实际问题的测试,验证本文相关方法在受限领域问答的适用性以及本系统的高效性和实用性。