在信息爆炸的今天,信息获取非常困难。这就对信息检索有了更高的要求。为了满足人们对快速、准确地获取信息的需求,问答系统的研究开始兴起。问答系统作为信息检索的一种高级形式,它能用准确、简洁的自然语言回答用户用自然语言提出的问题。现在的问答系统大多只采用简单的模型匹配,然后反馈答案,并不能让机器人真正的“理解”问题,只是停留在语言的表面。针对这些问题,设计和实现了基于意义理解的问答系统。问答系统可以分为问题理解、信息检索、答案生成和意义库四个子模块。问句理解阶段分析和理解用户自然语言的提问。信息检索部分根据问句理解检索意义库,找到正确答案。答案生成子系统根据设计好的自然语言生成算法,加上信息检索部分反馈的信息组成自然语言,回答用户。意义库作为核心模块支持整个问答系统。意义库与传统的知识库不同,意义库是建立在“理解”的基础之上的。理解就是理解自然语言所描述的客观世界的意义,所以意义库是一个从意义和意义理解的定义出发,模拟人的思维模式构建的可从底层理解语义的模型。基于意义理解的问答系统还模拟人脑的思维和存储功能,设计和实现了意义库的学习积累功能和存储记忆功能。这也是对人的学习功能的重现。问答系统也可以视为机器人,它通过人机交互,可以从外界获取知识,并且不断的丰富自己的意义库。最后,为了测试基于理解的问答系统的性能,设计了一个事件实例,并以这个事件实例为客观世界用自然语言向概念世界投影。通过对语言的处理和客观世界实体的学习构建意义库,在该意义库支撑下,模拟了问答系统的实现过程。