随着计算机网络技术的快速发展,互联网在生活着得到了普遍的应用。社区问答系统也随着Web2.0时代的到来,吸引大量的用户,积累了大量的信息,逐渐成为最流行的社交网络应用之一,是人们在网络上获取知识和信息的必要途径。相较于搜索引擎返回大量的相关文档再生成答案,或由用户去自行筛选答案,社区型问答通过用户直接自己提问来获取相关和正确的答案,答案的质量和相关性比前者要高出不少。社区型问答为人们获取信息提供了方便快捷的方式,然而却依然存在着一些问题,比如用户等待答案时间长,问题冗余,零答案问题多等。为了减少冗余问题,缩短人们等待答案的时间,提高社区型问答问句检索的性能,我们结合问句的文本特征和非文本特征,对于用户检索的问句返回给已有较高质量答案的相似问题。本文对问句检索展开研究,主要是为了解决问句的相似性和返回的问答对质量。通常问句相似是从基于词法、语法或语义的角度考虑,这里基于语义的问句检索通常会表现出更好的效果,使用word2vec来表示词向量,利用融合了语义信息在里面的词向量计算文本距离,和传统方法比较时,在MAP和p@N评价指标上都取得了显著的提升。其次,研究影响问答对的问句补充信息,答案质量和答案作者等因素,分别考虑它们的内在特征并探讨特征的重要性。问句的补充信息,越详细越能使他人理解提问者的意图从而给出适合的答案;高质量的回答者和答案个数以及占比越多,该问题就越值得被其他人查阅。最后结合三者计算出问答对的质量分数。在ROC数值和F1上,实验结果表示可以有效的预测出高质量问答对。最后在根据文本相似度检索出的问句基础上,结合这些检索出问句的质量分数,重新排序,得到最后的结果。将模型在网上真实爬取的数据集上进行测试,实验结果显示,在加上问答对质量分数后,传统方法和基于word2vec的文本编辑距离都在MAP和p@N值有了进一步的提高,其中基于word2vec的文本编辑距离取得了最好的表现效果。