“我们正受信息淹没,但却渴求知识。”美国著名未来学家约翰·奈斯比特的一句话,形象地描绘出了现代人面对信息爆炸时的困惑与尴尬。一方面是互联网,以太网的扩张与普及,不用说世界,单是某一个企业中的信息也难以用车载斗量来形容,另一方面与此相对,却是人类获取知识,也就是有效信息的工具的匮乏,尽管google,百度,雅虎等互联网搜索引擎公司,以及IBM,Autonomy,Endeca等企业搜索服务公司在搜索引擎方面提出了很多有益的尝试。但是,事实的情况是,传统搜索引擎的发展并不能满足人们对于准确获取知识的需求。此时,自动问答系统的研究应运而生。问答系统(QA,Question and Answering System)在搜索引擎的基础上融入了自然语言理解的知识与应用,将传统搜索引擎从关键词匹配的语法层面,提高到理解用户意图,分析答案的语义与语用层面。本文主要介绍了中文问答系统的各个模块,以及主流的研究方法与算法。此外,本文的重点将集中于中文问答系统的答案抽取模块,对于这个模块,本文提出了两种实现的方法,一种是在Wikipedia的基础上,构建三层过滤器,对答案进行关键词,以及语法模式的匹配,另一种是在Wikipedia的基础上构建语义社区网络,通过语义社区网络来对答案进行打分、排序及去重,并在实验数据的基础上对这两种方法进行了比较分析,并指出基于语义网络的答案抽取算法将是未来复杂问题答案抽取算法研究的方向。最后,本文会对参加了NTCIR-7的中文问答系统Answer Path进行简要介绍,并提出未来提高与研究的方向。