目前存在于互联网的海量知识大多是以文本形式呈现,计算机对文本知识的表示与深度理解在一定程度上代表着智能信息处理的水平。问答系统在一定程度上可以验证计算机对文本知识理解的能力。阅读理解问答一直以来被看作是问答系统的重要组成部分,尤其在问题分析以及答案句抽取方面受到诸多研究机构的青睐。本文依托国家863计划,针对高考语文科技文阅读理解问答题,提出借助框架语义匹配、框架语义关系、篇章框架语义视图抽取答案候选句,在排序时引入流形排序模型,通过答案句之间的框架语义句子相关度将排序分数进行迭代传播,最终选取分数较高的Top-4作为答案句。文章的主要研究内容及成果如下:一是在答案候选句抽取时引用了汉语框架语义知识。利用框架语义抽取答案候选句,一方面由于框架网络包含了比其它词典更为详细的“句法-语义”信息;另一方面,框架语义关系针对的不是相邻句子之间的关系,而是阅读材料中所有句子所揭示的语义场景之间的关系。二是答案候选句排序时利用了流形排序模型。该模型是一种半监督全局排序算法。在该模型中又充分利用了答案候选句之间的框架语义相关性,将排序分数进行迭代传播,直到全局稳定状态,最终所有的节点都得到了合理的排序分数。实验表明,定位问句出处补全或者扩展了问句的语义场景,答案候选句抽取方法很大程度上提高了答案句的召回率,流形排序模型极大地提高了答案句的准确率。本文主要内容分为三部分,首先介绍的是本文所研究的高考阅读理解问答的相关概述,包括任务与难点;其次,详细介绍汉语框架语义网,以及在此基础上,提出的句子框架语义相关度计算方法和篇章框架语义视图的构建方法;最后将这些方法应用于真实高考语文阅读理解问答语料上,并进行了评估与分析。