养老保险是国家对公民的一种普惠制社会福利,是现代文明的产物,是民主社会的象征与标志。随着中国特色社会主义的快速发展,养老保险制度也在不断的完善。越来越多的人民群众参保养老保险。当人们在参保、缴费和领取待遇中遇到各种问题时,传统的搜索引擎已不足以满足人们的需求。因此,研究养老保险领域问答系统关键技术,以满足参保养老保险人民群众的知识需求,具有深远的意义。本文从上述的问题出发,针对养老保险领域问答系统关键技术进行了研究。本文主要分为两部分,一部分是领域本体构建技术研究,提出了基于词向量的改进层次聚类算法;另一部分是领域问题分类模型研究,提出了基于多特征融合的问题分类模型。在领域本体构建方面,本文研究了基于非结构化文本语料领域本体构建技术。在领域问题分类方面,本文研究了基于多特征融和的问题分类模型。领域本体的构建能帮助人们有效地组织和管理领域知识,实现知识的共享与重复利用,也在后续的问题分类中帮助本文加深对问题的理解。在本体构建阶段,本文首先对领域本体概念进行抽取,然后对领域本体层次与非层次关系进行抽取,结合领域专家构建的领域核心本体,完成领域本体知识库的构建工作。问题分类不仅可以减少答案的选择空间还可以针对问题的不同类别制定不同的问答策略,直接影响问答的准确性。在问题分类阶段,首先对语料进行预处理,构建词向量和词性特征,对以上特征进行训练得到特征向量并与本文引入的本体语义特征进行特征向量融合。其次,利用双向长短期记忆网络(Bi-LSTM)同时包含上下文信息、卷积神经网络(CNN)深入挖掘问题特征、多卷积核对问题特征充分采样的优势,对领域问题分类模型进行训练以实现对问题的分类。最后,本文针对上述的算法与模型分别进行了实验,并对实验结果进行分析,基于词向量的改进层次聚类算法相比于基于VSM的改进层次聚类算法,提升了层次关系抽取的效果;通过引入本体语义特征并基于多特征融合的问题分类模型相比于单特征的问题分类模型,提升了问题分类模型的准确性。