传统的信息获取技术,如QA技术、互联网搜索技术对互联网中的信息获取问题给出了解决方案,但是在寻求对具体问题的解答时,它们往往难以提供令人满意的服务。在本文中,我们提出了一种利用论坛中的问题问答资源来进行问题解答的新型Web应用——基于论坛数据源的QA技术。通过对现有论坛数据的收集、处理和答案抽取,我们可以构建一个结构化的问题/答案库。一旦成功实现新问题到问题/答案库中已有的相同/相似问题的映射,便可以将抽取出的相应答案返回给用户,解答用户的问题。这种模式的QA在利用互联网搜索引擎这一基础平台进行海量数据索引和查询的同时,也避免了传统QA技术的许多技术瓶颈以及准确率较差的缺点。基于论坛数据的QA技术的核心点之一在于如何从Thread(话题)类型多样的回复帖子中准确抽取出高质量的答案。我们尝试了从多分类问题和排序问题这两个不同的角度看待该问题,并分别采用条件随机场(Conditional Random Field, CRF)分类模型和Ranking SVM模型进行解决。通过类型定义、特征表示、数据标注、模型训练、实验验证等一系列过程,最终的结果表明能够对论坛数据实现高性能的答案抽取。在此基础上,我们结合搜索引擎平台实现了一个基于论坛数据的QA搜索系统——Fora系统。Fora是一个经过良好设计与实现的系统,具有完善、扩展性强的体系结构以及友好的用户界面,从数据获取、数据格式化、数据处理、答案抽取、问题映射、UI设计等问题上都针对论坛数据进行了优化。