知识图谱问答（KBQA）指用结构化的知识图谱中的实体和关系等信息回答自然语言问题。主流的解决方案可以分为两类:基于语义解析的方法将问题解析为知识图谱接口可执行的逻辑形式以返回答案;基于信息检索的方法根据问题索引知识图谱中的相关子图,返回子图中顺位较高的相关实体直接作为问题答案。从目前研究来看,这两种方法各有优缺点。基于语义解析的方法存在从自然语言问题到可执行的逻辑形式的鸿沟,传统的解决方案大多基于实体识别、实体链接、依存解析等自然语言处理（NLP）中的子任务,转换过程中存在误差累积;基于信息检索的方法一般可以分为索引和排序两步,在索引阶段同样需要借助实体识别等子任务,在排序阶段直接生成问题的答案又缺乏可解释性,往往难以处理复杂的问题。基于上述问题,本文提出了一种联合逻辑形式解析和答案生成的知识图谱问答方法,并基于该方法,结合中医领域知识实现了一个中医问答系统。具体来说,本文研究与实现过程包含以下贡献点:1.本文提出了一种联合逻辑形式解析和答案生成的知识图谱问答方法,基于生成式模型T5构造统一的生成式模型框架,同时生成自然语言问题对应的逻辑形式和答案,构造代价函数联合二者得到最终答案,提高问答准确性。2.将KBQA任务简化为检索后生成的两阶段任务。在检索阶段将知识图谱文本化,利用BM25或者DPR等方法抽取和问题相关的文本,基于Bert进一步抽取排序靠前的三元组文本,作为生成阶段联合解码框架的输入。相较于主流的KBQA解决方案流程更短,避免了实体识别等子任务的累计误差。3.在数据集Web QSP和CWQ上进行测试,通过实验结果验证了该方法的可行性;基于该方法实现一个端到端的中医问答系统,测试结果进一步证明本文提出方法所具备的实际应用价值。