当前,万维网上的大多数资源信息可以供人类阅读,但是,为了使软件可以理解和调用万维网上的信息和服务,需完成从当前万维网到语义网的转换。万维网上的大量数据仍存储在关系型数据库中,造成大量数据的语义无法精确定义。本体数据集作为语义网数据一种数据范例,定义了数据的语义,并致力于增进各类系统之间的数据同享。同时,随着人工智能和深度学习的高速发展,众多智能化系统被设计开发出来。然而,大量电商领域的客户服务仍主要依靠人工服务。为了减少商业成本,并能智能化理解用户需求和提供全天候在线客服咨询服务,智能化问答系统逐渐被重视并发展起来。本文调研了智能问答系统的技术现状,在分析EAV（Entity-Attribute-Value）关系模型的基础上,设计和实现了一种自动生成本体数据集的算法,进行了实验验证。在算法实现的基础上,开发了情感驱动的上下文感知的本体语义智能问答系统。该问答系统实现了情感分析、语义理解与查询、用户偏好计算、内容推荐和数据可视化功能。本文主要的工作如下:（1）分析前人工作和已有的工具与方法在EAV关系型数据库上表现,阐述其中的局限性。为了克服其中不足,设计了相应的映射规则和基于EAV关系模型数据的本体自动化构建算法。（2）调研语义问答系统欠缺上下文感知功能的现状,设计了结合上下文的语义理解方法以及整合上下文中的用户情感,访问频次和时间间隔因素的用户偏好计算方法。（3）对于语义问答系统中用户交互与体验不足的现状,设计了基于用户偏好的内容推荐功能和数据可视化功能,有助于用户获取相关内容。实验结果表明,本文提出的EAV模型的本体自动化构建算法效果良好,设计的语义问答系统具有较高的智能化程度,能有效提升用户体验,有较好的应用前景。