随着移动互联网的普及与人工智能时代的到来,人们对于快速获得精准答案的需求越来越高,问答系统成为了新一代的信息获取途径。与此同时,知识图谱技术的发展大力推动了问答系统的研究与落地,基于知识图谱的问答系统研究成为了当下的研究热门。本文针对基于知识图谱的问答系统展开了研究,主要包括以下三个方面:(1)设计并实现了一个基于编码器解码器框架的知识图谱问题生成模型,根据给定的知识三元组,自动生成自然语言形式的问题。模型在测试集上BLEU与METEOR值分别达到了 40.29与37.38;(2)提出了一个基于神经网络的问答匹配模型,融合了字符级别、单词级别的语义信息以及整个知识图谱的结构信息,根据自然语言形式的答案从知识图谱中找到最匹配的三元组,准确率达到了 72.4%;(3)设计了一个基于对抗生成学习的半监督框架,利用知识图谱的问题生成与问答匹配任务的内在联系,进行联合对抗学习。生成模型与匹配模型的效果均得到了提升。