自动问答系统是自然语言处理中最主要的研究方向之一,它可以在海量数据中获取及时、有效的信息。针对用户给定自然语言问题来给出精确答案,自动问答系统既缩短了查询流程,又提升了办事效率。本文将针对信息检索模块和答案提取模块,结合国内外的研究现状,在特征提取、问句语义扩展、答案抽取等方面进行研究。在使用问句来检索包含答案的候选文档时,存在两个主要问题,一是问句文本通常较短、查询关键词较少,导致检索召回率降低;二是检索时返回的候选文档规模较大,且存在冗余信息,易导致检索结果的准确率较低,最终不利于准确定位答案。针对第一个问题,我们需要对问句进行语义扩展。本文采用自动编码器技术来解决。首先对问句文本做预处理,包括分词、去停用词;然后对处理后的问句词语集合做关键词提取,并词向量化表示;最后采用自动编码器技术训练得出问句关键词,为后面答案抽取做准备。针对第二个问题,本文采用基于Lucene倒排索引,通过扩展后的问句向量,在大量候选答案文档中初步筛选可能包含答案的候选答案句集,然后,计算扩展后的“问题句的表示向量”与候选答案句向量的相似度,确定最终答案。实验的评价方法采用对比方法,即在问句分析模块的分类标准和检索方法相同的情况下,一组不做与语义扩展的答案检索实验与另一组通过本文内容实现的语言扩展实验作比较,证明本文实验内容的可行性与有效性。