随着网络的普及，越来越多的人们使用网络这个平台保存和获取数据，实现了知识的共享。然而，这种共享所面临的困难是如何在海量的数据中快速而准确的查询到自己所要的知识。问答系统的发展顺应了这一要求，通过分析问题、相关文章查找以及答案抽取与排序，将结果呈现给提问者。但目前，问答系统基本上都是基于上下文无关的问题模型，不考虑问句间的关联性。而一般情况下，用户在输入问题的时候并不能保证输入的信息一定完整，在这种情况下问答系统无法依据提供的信息给出检索结果，但是在联系上下文的过程中便可识别出用户的意图，所以，文中打破了上下文无关的限制，检索经过规划的句子便可反馈给用户合适的结果。此外，句子的疑问词附近的词语通常表达了用户检索的目的，准确定位到问句的疑问词可以判别问句的类型，帮助答案检索。实现的方法是对单个句子进行句法分析，将不完整的句子补充完整，替换句子具有指代性的词语以及分析出句子隐含的信息；再识别出句子的疑问词，找出当前句子的特征项和焦点；最后对句子的语境识别，采用衰退式的句子的语义相关度计算当前问句与之前问句的关联性，实现了在加入语境做参考的同时又避免了夸大之前问句的影响力。句子的焦点确定了问题的检索范围，句子的特征项决定了反馈的信息内容，在答案抽取阶段，利用知识图对文章的结构进行表示，知识的检索运用图规划理论，从焦点集中抽取出的词语作为一个观测到的动作，依据观测到的动作再缩小检索范围，最后根据特征项定位到答案。在对不同知识领域的问句进行分析后，提出了问句理解的算法。并模拟实现了问句分析的过程，证明了基于规划识别的问句分析的可行性。基于规划识别的答案抽取改变了以往的答案抽取模式，强调答案的准确性和精简性，提问者无须再从一大堆的连接中筛选信息，提高了问答系统智能化理解自然语言的能力。