近些年来,随着网络技术的不断发展,互联网已经渗透到人类社会的各个方面,包括在线教育领域。对于在线教育而言,题目资源是最重要的资源,对题目信息进行检索是一个强烈的需求。题目资源存在重复率高、获取困难和非规范化等问题,传统的资源搜索很难从海量的信息中筛选符合需求的题目信息。因此,设计并实现一个针对题目信息的语义检索系统,无论是对科学研究还是工程应用都极具挑战性。本文基于词向量和深度学习在自然语言处理领域的研究,设计并实现了一个基于内容的题目语义检索系统。本文主要研究内容如下:(1)研究并实现基于神经网络语言模型的词向量表示方法,利用大规模的文本语料和word2vec工具进行词向量训练,并对词语相似度计算进行实验。(2)研究并实现基于字向量和双向长短时记忆(Bidirectional Long-Short Term Memory, BLSTM ) 模型的 中文分词方法 。首先从大规模语料中学习中文字的语义向量,再将字向量应用于BLSTM模型实现分词,在标准数据集上进行的实验验证了本方法的有效性。(3)设计并实现基于词向量和支持向量机(Support Vector Machine,SVM)模型的中文同义词扩展方法。基于词向量对词语的语义表示,将词向量作为特征输入SVM分类模型中进行同义词的判别,实现在相同语境下的中文同义词的扩展。(4)实现了一个基于内容的题目语义检索系统,利用分词算法和同义词扩展算法实现查询扩展,具有很高的研究价值和社会应用价值。