丝绸是中华文化的重要组成部分,充分研究和利用丝绸文物资源,对于弘扬传统文化精神,增强民族自信心和影响力有着重要的意义。当前丝绸文物的数字化平台建设已经取得了一定的进展,但是对于深度挖掘丝绸文物资源并且结合当前学术前沿热点仍缺乏相关的研究和应用,无法满足人们日益提升的文化需求。随着信息技术的不断发展,传统的关键字检索服务越来越难以满足人们的需求。问答系统作为一种高级的信息检索方式,使得机器能够理解人类提出的自然语言问题,正逐渐成为人机交互的新形势。另外,知识库的建立和发展,一方面为问答系统提供了丰富的数据资源,另一方面也对问答系统的性能和效果提出了新的要求。当前基于知识库的问答系统存在一些实体识别准确率不高和词汇溢出的问题。针对上述问题,本文分别对命名实体识别任务和关系检测任务进行了深入的研究和探讨,设计并实现了基于丝绸知识库的问答系统。主要工作如下:1)为了提升问答系统的命名实体识别的准确率,针对丝绸领域的实体命名特点,本文首先提出了一种新的实体分类方法和分词方法,然后提出了一种基于BERT+CRF的融合模型。通过迁移学习的方法,利用BERT的预训练数据,同时结合具体的命名实体识别任务,对参数进行微调。最后通过CRF对结果进行参数约束和解码。通过实验进行对比分析,该模型实现了命名实体识别的准确率提高了2.4%。2)为了缓解词汇溢出的问题,提出了基于对抗学习适配器的关系检测模型。首先通过Trans H模型对关系向量进行预训练。然后借鉴对抗学习的思想,训练一个关系适配器,通过生成器和判别器不断对抗训练,学习知识库的关系表示。接着通过BERT进行关系特征进一步提取和强化,得到最终的关系向量表示。通过实验对比分析,对于测试集中出现而训练集中未出现的关系向量表示失效问题得到了很好的解决,很大程度上缓解了词汇溢出的问题。最后通过与基准模型的对比实验表明,本文提出的模型在关系检测准确率上也有了一定的提升。3)基于上述提出的两个模型,基于丝绸知识库建立了一个功能模块较为齐全的知识库问答系统。问答系统采用前后端分离和B/S架构,提供了移动端和网页端两种较为常见的前台界面。将问答系统后端封装成后台服务,对外提供API形式的问答服务,并将该服务集成到现有的丝绸资源平台之上,实现了对丝绸文物资源的智能化利用和深度挖掘。