随着互联网技术的发展,网络教育事业受到了人们的关注,越来越多的人通过网络教育开展学习。特别是受今年突发疫情的影响,教师、学生纷纷通过网络直播的方式进行课程教学,网络教育中学员数量大幅增长,但是相关基础设施较为落后,难以满足教学需求。这点在问答环节表现的尤为明显,学生遇到疑问时不能为其提供实时、精准、有效地帮助,降低了学生的学习质量。智能问答系统可以为学生提供更加精准的信息服务,研究面向网络教育的智能问答系统具有重要的现实意义。为了更加快捷、精准的为学生解答疑问,提高网络教育中的教学质量,本文研究了一种能够应用于在线教育中的智能问答系统。论文主要对LDA主题模型以及Word2Vec词向量模型进行了研究,针对模型的不足之处提出了改进,并基于改进后的模型设计了智能问答系统。该系统使用主题模型进行问题分析,使用词向量模型进行问题检索,从而完成问题解答。论文的主要工作如下:首先进行了语料库的收集,选取了西安电子科技大学网络与继续教育学院的三门课程,收集了相关教学资料并通过整理得到了教学文档集与问答数据集。之后重点研究了LDA主题模型,针对其训练过程中易向高频词倾斜,导致中频词的主题特征被淹没的特点,提出了基于动态权重的LDA优化算法。通过引入噪音向量、分辨文档中的高频无用词、以及动态计算文档中词语的权重等方法,提高了LDA模型的主题表达能力。通过实验证明,改进的动态权重LDA模型具有更好的主题表达和预测性能,以及更好的主题一致性。然后研究了多种相似度计算方法,其中重点研究了Word2Vec词向量模型。针对传统词向量模型在相似度计算的过程中,上下文词对计算结果贡献相同,模型的语义理解能力被削弱的特点。本文使用互信息度量上下文词对句子的重要性,并根据上下文词的重要程度赋予其不同的权重,由此提高了模型的计算精度。最后进行了实验,证明了改进后模型可以取得更好的文本分类效果。最后,结合动态权重主题模型与Word2Vec词向量构建了智能问答系统原型,对系统问答功能进行了实现,同时针对问题失配建立了问答社区,并在网络与继续教育学院学习平台中实现了智能问答系统。