随着人工智能技术的迅猛发展和在日常生活中的广泛应用,人们在各行各业都在寻求人工智能的帮助。而在客户服务、人机交互等领域,自动问答是不可或缺且亟待突破的问题之一。其中,面向开放领域的自动问答更是受到了广泛的关注。在自动问答问题中,需综合多种自然语言处理的具体任务和技术,因此自然语言处理各项任务的效果提升和这些技术的结合方式是研究的两个重要方面。本文即研究了自动问答背景下的两种自然语言处理问题,并结合这些技术研发了一个自动问答原型系统。首先,论文研究了基于LSTM的中文词义消歧技术。无论是在中文还是外文中,一词多义现象都是广泛存在的,如何利用上下文确定多义词的语义是亟待解决的问题。本文创新性地提出了一种基于同义词替换的词义消歧策略,将问题转换成了文本分类问题。本文根据此策略构建了词义消歧数据集,并设计一种基于LSTM的文本分类模型对转化后的分类问题进行了解决。实验结果表明,此模型在数据集上训练后成功收敛,分类正确率达到78%,与其他对每个词语都训练一个模型的方法效果相当。第二,论文研究了面向自动问答的问题理解技术。在进行自动问答时,理解用户的问题,正确了解用户意图是十分关键的步骤。本文在使用同义词替换策略的基础上,创新性地提出了一种基于Hownet的词义相似度计算方法,通过结合词语编辑距离和词向量余弦值,提出了词语“综合相似度”的度量方法。将此度量方法应用到自动问答的属性匹配问题中,结合实体链接技术完成了自动问答的整体算法。实验结果表明,应用此度量算法后自动问答的F1值达到0.83,印证了综合相似度度量方法的可行性和有效性。最后,基于微信公众平台搭建自动问答原型系统。自动问答系统虽面向开放领域,但其功能总归是有限的。本文从实际出发确定自动问答的功能范围,设计并实现了一个自动问答系统原型,并将其部署在了微信公众平台,实现了微信公众号的自动问答。经过测试,此系统很好地完成了自动问答系统设计的所有功能。