政务服务网站列举的行政审批事项错综复杂,往往群众有了医疗、住房、教育等方面的问题,需要花费较长时间才能找到相关问题的解决方案。因为对办事流程的不熟悉,群众反映的“问事难”等问题日益突出。如果能构建一个面向政务服务的自动问答系统,那么群众就可以在很短的时间内获得想要询问的政策知识。面向政务服务的自动问答系统构建对群众快速了解政府相关政策知识以及办事流程起着关键重要作用。本文结合办事群众反映的实际需求,研究构建了面向政务服务的自动问答系统。主要工作内容有:1.提出融合多特征问句相似度算法。该算法融合了四种不同的问句特征,包括问句类别特征、问句政务实体词特征、问句句法依存特征以及问句语义特征,并且构建问句分类模型、政务实体词识别模型以及语义模型。实验结果表明,与Word2Vec相似度算法和词频-逆向文档频率(Term Frequency–Inverse Document Frequency,TF-IDF)相似度算法相比,融合多特征问句相似度算法具有较高的准确率。2.提出问题推荐的方法。首先,构建基于用户的协同过滤问题推荐模型。其次,根据用户的行为构建用户画像。再次,提出基于文本排序和逆文档频率的问题关键词提取算法(Textrank-IDF,Tk IDK),并根据问题关键词和主题词构建问题画像。最后,依据用户画像特征和问题画像特征构建基于XGBoost+LR的问题排序模型,将推荐结果进行重新排序。3.构建政务服务知识库。政务服务知识库源数据由二部分组成,第一部分来自于山西政务服务网群众留言较多的问题和答案,第二部分来自于山西政务服务网公示的行政审批事项。将源数据依据不同部门进行分类整理,形成包含问句、问句类型以及问句答案的三元组知识库,共计52508条。实验结果表明,面向政务服务的自动问答系统F1值为0.812,基于用户的协同过滤问题推荐模型均方根误差(Root Mean Square Error,RMSE)达到0.087461,基于XGBoost+LR的问题排序模型AUC值达到0.919,验证了本文方法的可行性。