Web2.0的一个显著特征是互联网内容的提供者由之前的管理者变成了全体互联网用户。每天有不计其数的用户生成内容(User Generated Content,UGC)被提交的互联网当中,这在一方面充实网络内容的同时,另一方面也使得网络上充斥着大量的噪声,给希望尽快从网络当中获取信息知识的用户造成一定的困难。基于用户生成内容的社区问答系统的出现解决了这样的问题,它依靠全体社区用户的参与来解决同样来自社区用户提出的问题,这种社区用户协作的形式,成为互联网的一种重要的知识来源。经过一段时间的发展,社区问答系统积累了大量的用户已解决问题,如何在问答社区中检索已解决问题答案来回答用户新提交的问题,成为问答系统研究的一个重要课题,这就是问句检索。问句检索一方面可以帮助用户快速获取问题的答案,另一方面也能够减轻重复问题的提交给问答系统带来的系统冗余的问题。本文首先提出了一种在翻译模型基础上的问句检索模型,解决了翻译模型在背景语料集质量不高的情况下的问句检索性能易受翻译噪声影响的问题。为了获得高质量的翻译模型训练语料,一方面利用社区问答系统的社区属性收集具有比较高相似度的平行问句资源作为背景语料,这主要是借助问句的分类标签和用户标记的相似问题,另一方面利用HNC提供的词汇语义知识修正易出现偏差的翻译概率。在以上工作的基础上构建了一种融合HNC词汇语义知识的问句检索模型,实验结果证明了本文提出模型的检索效果优于当前使用效果较好的模型。在HNC理论提供的词汇语义基础上,本文提出了一种融合语用、语法和语义三个层次相似度的问句检索模型,从句子整体计算检索问句与候选问句之间的相似度关系,在语义层面上的相似度计算使用了第三章提出的方法。在语用层面的相似度计算上,使用哈工大问句分类体系对问句进行问句语用类型的识别,进而计算句子的语用相似度。在语法相似度计算上,利用HNC句类分析结果中的句类表达式,通过比较问句句类表达式的结构,获得问句间的句法相似度关系。在语义相似度计算上,利用问句句类表达式的语义块组成,计算问句间的语义相似度关系。最后综合以上三部分相似度计算的结果,提出一种新的问句检索模型,在真实数据集上的实验验证了该模型的检索效果优于之前的检索模型。