在现如今数据爆炸式增长的年代,信息已然变成了有价值的重要资产。企业和机构给人们提供了多种获取信息的渠道,这让人们更加便捷地接触到数据,但渠道多意味着人们接触到的数据源是分散的,数据源的分散让人们从海量的信息中获取到有效的部分变得费时费力。在金融投资领域,股票交易、金融市场研究和政府监管都离不开诸多数据的支持。这些数据的来源渠道繁多,比如Tushare、Baostock这类的金融数据接口库以数据接口的形式提供海量的数据信息;一些机构会以网站的形式提供金融行业的数据信息,比较有代表性的如东方财富、同花顺这类金融机构,证监会、银监会等政府机构。对于这些繁杂的信息,知识图谱提供了有效的解决方案,那就是通过技术手段将这些数据融合成知识网络来进行金融数据的表达、组织、管理以及利用。知识图谱和问答系统的结合,可以更加准确快捷地帮助人们获取到想要的信息。问答系统的关键点在于准确地分析用户的输入,理解问题的意图,这就离不开以深度学习为基础的自然语言处理技术。本课题旨在研究以上市公司为核心的知识图谱问答系统,主要工作内容包括三个方面:知识图谱的构建;自然语言处理技术的研究;知识图谱问答系统的设计与实现。知识图谱的构建又分为三个阶段:信息获取阶段,主要研究了爬虫技术和开源金融数据接口的调用方法;信息处理阶段,重点研究了信息实体及属性的抽取方法和信息知识三元组的形成方法;信息融合阶段,研究并构建了数据信息相关的知识图谱、研究并学习了关系型数据库和图数据库的使用方法。自然语言处理方面,主要研究了如何通过循环神经网络来进行文本分类;在系统的设计与实现阶段,为了解决传统深度学习模型在部署环境中存在的性能问题,结合了分布式的理论和思想,基于当前流行的Django后端框架和Vue前端框架,实现了一个分布式的知识图谱的问答系统。该系统在保证系统稳定性的同时能够为用户提供高效精准的问答服务,具有较为广泛的应用空间。