中文问答系统作为一种新型答疑模式,依托于自然语言处理和人工智能相关技术,使用自然语言提问,充分理解用户意图并实时反馈答案,具有高效、准确、快速的特征,基于FAQ的中文问答系统是一种检索效率较高的实现模式,适用于专业性较强的限定领域。“互联网+教育”理念的提出推动了网络教育的进一步发展,和传统教育模式相比,网络教育有着不可比拟的优势、有其存在的价值和意义,但是,网络教育的师生问答环节存在实时性差、教育资源浪费等问题,使得学生的学习积极性和网络教育的教学质量受到影响。本文将FAQ中文问答系统应用于网络教育的师生问答环节,针对专业课程知识进行解答,具体研究工作包括以下几个方面:首先,研究基于改进TextRank的类别关键词提取算法。为了减小算法的计算复杂度,先使用基于改进ECE的候选关键词确定算法过滤常见词和类别区分度较低的词,得到候选关键词集;然后在候选关键词集上使用改进的TextRank进行文档关键词提取,求文档关键词集的并集得到类别关键词集。对TextRank的改进包括边的构建方式、边的权重确定、顶点的初始权重赋值和随机跳转概率确定四个角度;其次,研究基于类别相似度和词序列相似度的问句定位方法。首先根据类别关键词构造类别语义空间,通过计算类别向量和问句向量的相似度得到问句的类别相似度,定位相似度最高的三个类别,得到候选问题集;接着在候选问题集上采用融合词形和语义的相似度计算方法得到问句的词序列相似度;最后根据类别相似度和词序列相似度得到问句相似度,在FAQ中定位问句相似度最高的三个问句对应的问答对;最后,通过实验验证算法的有效性,并在网院学习平台中完成FAQ中文问答系统的设计与实现,在实际应用场景中验证算法的实用性。通过实验验证,在候选关键词集上进行关键词提取,不仅能够减少算法的平均耗时,而且能够在一定程度上提高关键词提取的准确率;使用改进的TextRank进行关键词提取时,算法的精确率和召回率都明显提升,但是,由于要计算基于Word2vec的词向量相似度、信息熵和期望交叉熵,改进算法的平均耗时有所增加;类别相似度计算算法的p@k值和问句定位算法的平均倒数排名都有良好表现。根据系统测试结果,本文设计的用于专业课程知识问答的FAQ中文问答系统拥有良好的准确性和系统响应时间。