随着互联网数据的快速增长,传统的基于关键字的信息检索方法存在着准确性低、信息冗余量大、需要用户自己筛选大量文档进等缺点,传统的检索方式已经很难满足用户在信息检索中的需求。随着自动问答系统的出现,计算机可以直接查询用户输入的自然语言问题,理解和分析用户输入的自然语言句子,然后返回简洁准确的答案,大大提高了用户的查询效率。因此,自动问答系统已成为自然语言处理和信息检索领域的共同研究方向和核心任务。本文主要使用现有的研究技术成果,在自动问答系统的搭建过程中,对系统搭建、问句分析以及候选答案评分模型三个方面进行研究和实现,研究成果如下:1、使用Java语言和Maven环境构建问答系统。首先是数据库的构建,数据库建立两张表格,一张为证据表用于存储证据片段,一张为问题表用于存储问题便于出现重复时直接提取答案;数据库内数据主要是在用户在使用系统时匹配到的<问句,答案句>对,实时存储于数据库中,实时更新。2、根据问句确定问题类别。本系统预先定义几类问题的匹配模式,与问句进行模式匹配,目前可识别的问题类有人名、地名、机构名等。3、使用候选答案评分模型,对候选答案进行评价。在候选答案评分模型中,有八种基本的评价方法:基于词频的评价模型、基于词距的评价模型、基于最短词距的评价模型、基于文本对齐的评价模型、基于宽松文本对齐的评价模型、基于回带文本对齐的评价模型和基于热词的评价模型、综合评价模型。针对以上方法本文融入深度学习方法进行改善,采用分步抽取答案的方法,先从答案片段中抽取包含答案的句子,再从提取到的答案句中进行最终答案的抽取。在抽取答案句过程中,采用Bi-LSTM和Max pooling构造了答案句抽取模型。实验结果表明,在答案句的抽取中,本模型取得了可观的效果,MRR指数达到了0.75。