随着信息技术的发展,各行各业都在数据科学的驱动下获得了新的生机。金融行业作为数据高度相关的领域,也面临着数字化和智能化的转变。知识图谱技术是人工智能与传统数据库结合的产物,旨在利用信息抽取技术,从非结构化的文本中提取人类所关注的知识,并通过知识图谱的形式存储。在金融领域,数据资源不仅仅包含诸如企业信息、人员信息这些知识图谱可覆盖的“静态”知识,还包含着以事件为核心的“动态”知识。事理图谱技术关注的是事件和事件之间的逻辑关系,是知识图谱技术在“动态”知识上的延伸,因此可以利用事理图谱管理金融领域的“动态”知识。基于知识库的问答系统有着传统信息检索系统所没有的优势,它能够处理符合人类口语化表达习惯的自然语言问句,利用图谱技术作为支撑,自动化的构建知识库并保证知识库快速的更新。因此,我们面向金融行业构建了事理图谱和知识图谱,同时考虑到知识的可用性,实现了基于知识图谱和事理图谱的知识库问答系统。本文的主要工作包括:（1）针对金融领域事件知识的管理问题,本文提出了一种事理图谱的构建方法。该方法采用深度神经网络模型自动抽取文本特征,避免了手动选取和构建特征。使用序列标注算法提取因果事件对,有效发掘隐含的事件因果关系。利用深度聚类算法进行事件融合,提高了事件融合的准确率。最后利用事件融合结果构建事理图谱。我们在真实的金融新闻语料上进行了实验,实验表明我们的方法在准确率、召回率和F值上均取得了较好的效果。（2）本文设计并实现了基于事理图谱和知识图谱的知识库问答系统。本文从软件工程的角度,明确了系统的需求,进行了系统的总体和详细设计。将系统划分为事理图谱构建、知识图谱构建和基于知识库的问答三个部分。针对金融领域知识特点,基于信息抽取、深度学习相关技术构建了事理图谱和知识图谱,实现了基于事理图谱和知识图谱的问答系统。最后,我们对系统各模块进行了测试,测试结果表明系统达到了设计要求和实现目标。综上,本文面向金融文本,提出了一种基于序列标注和深度聚类的事理图谱构建方法,并在此基础上,设计并实现了一个基于事理图谱和知识图谱的问答系统。