随着移动互联网的快速发展，越来越多的用户使用移动终端设备获取信息，这使得移动知识服务成为目前研究的热点及方向。传统的搜索引擎虽然能提供给用户信息，但存在返回的信息过多，信息不准确等问题。而且由于移动终端本身屏幕显示和操作不方便等限制因素，用户要快速、方便的获得精确的信息，变得更加困难。这些因素制约着移动知识服务的快速发展。基于以上问题，本文提出了建立移动平台上的自动问答系统来准确获取信息的的方法，自动问答系统允许用户用自然语言进行提问，同时也以自然语言的形式返回给用户简短精确的答案。在某种程度上，能弥补传统搜索引擎的不足。但是目前自动问答系统的准确率都不高，其主要原因是:由于中文语言的复杂性，系统无法正确理解用户的问题，也就是问题理解环节的效率较低，这严重影响了后续处理环节，最终导致整个系统的性能较差。所以对问题理解进行深入分析及研究具有重大意义。　　 为了提高问题理解的性能，本文以问题分类为重点，构建了面向领域的领域知识组织和领域知识模型，设计了问句类型分析流程，使用户的问句经过句型匹配，对问题进行分类，最终将问题表示成计算机易于理解的标准化形式。此外，还提出了问题理解的另一种辅助方法—根据用户检索日志分析用户意图，它基于以往相似类型用户的检索记录，利用语义相似词帮助用户重新构造检索词，消除歧义，快速理解当前用户意图。通过融合这两种方法的优点，最终达到快速、准确的返回用户满意的答案的目的，系统检索效率及用户满意度都会得到显著提高。　　 最后，介绍了以问题理解为重点的移动问答系统的系统框架、系统实现，并进行了实验，对实验结果进行分析和评价。本文的研究及其成果对于中文自动问答系统，特别是对于限定域自动问答系统具有一定借鉴意义。