智能问答系统是将自然语言技术和信息检索技术进行深度融合的人工智能产品。汽车领域作为一个特殊领域,运用大数据、云计算、人工智能等前沿技术来创新服务和管理模式,已经成为汽车相关行业发展新的方向。本系统通过爬虫获取网上公开的数据,然后经过RDF数据转化构建知识关系图谱。同时,在实体识别、实体链接以及用户意图识别等问答系统核心部分采用深度学习结合字典匹配的模型进行实现。在实体识别和意图识别算法实现中,使用BERT词向量进行句子语义级别的信息利用,提高识别准确率,相对于传统的Word2Vec的方法,在当前语料下,识别准确率提高约6个百分点。在此基础上,系统加入对话状态管理机制,在一定基础上提高应答准确率。最终,经系统的模块和功能测试,系统表现出符合期望的应答准确率和负载性能。本文主要的研究工作如下:1)知识库构建通过爬虫获取互联网上众多网站上的汽车数据,然后基于汽车领域知识调研,构建本体,然后进行数据清洗、数据填充、知识融合等,完成知识库的构建工作。2)汽车领域问答系统核心算法设计通过汽车相关的问题获取数据,结合人工标注的方式构建一份数据集。系统使用BERT训练词向量提升了词向量的表征能力,改进了词语边界的划分问题;为了解决有效实体数量分布不均匀的问题,还使用注意力机制改进经典的命名实体识别模型;在意图识别的过程中,使用标准化实体进行用户意图的识别,获取到用户的期望动作,并结合实体和用户意图从知识图谱中查询问题答案。3)问答系统实现系统可以提供Web服务和接口服务,满足不同类型用户的需求。系统对于单个用户可以实现秒级响应,并且可支持50人同时在线使用,可以较好地满足用户对系统性能的需求。