近年来，随着交互式问答应用的兴起，越来越多的人关注人机交互式的信息获取形式，大部分的自动问答系统都是基于FAQ的形式，而没有对问题本身进行理解，本文面向对用户问题的理解，针对于用户问题中存在省略现象的句子，应用自然语言处理的相关技术进行相应的处理，进而使计算机能够理解用户的问题，从而为后续的检索和答案抽取提供服务。　　当前国内对于省略恢复的研究基本上是基于理论层面，没有给出相应的实验验证，但是对于中文省略恢复理论的研究还是有一定的发展；国外的研究人员更加关注零型指代的消解研究，零型指代与省略恢复有一定的相似性，但是省略恢复任务相对于零型指代消解的研究而言更加的复杂，而且对于零型指代消解的研究大都是基于篇章级结构的，因此与我们所研究的中文交互式问答还有所不同，本文在借鉴国内外相关研究人员的研究成果和中文交互式问答中的特点，提出了一种省略恢复模型，并且通过实验验证了该模型的效用性，本文中的省略恢复模型大体上分为两个部分，第一个部分是省略的判定部分，我们应用句法和语义的相关信息进行省略的判定；第二部分为省略恢复部分，这部分又分为两个子任务，一方面我们首先利用二元分类的方法产生恢复候选词，另一方面我们基于中心理论的相应方法对省略成分进行选择从而达到省略恢复的目标，我们以TRECQA2004-2007的翻译问题作为实验的数据集，本文的方法在该数据集上达到了68.67％的准确率，75.00%的召回率和71.64%的F值。