近年来,搜索技术的发展推进了以搜索为基础的在线问答系统的出现,以及更高级的交互式问答系统在各个领域的应用。交互式问答系统是指人与系统之间能够用自然语言的形式,进行交互的、上下文相关的、在一个会话过程中连续的对话。目前的交互式问答系统多是针对某一具体领域的,系统的表现性能,很大程度上依赖于该领域知识库的规模。系统的回复即是在该知识库中搜索到的与用户问句匹配的答案。领域不同,对应的知识库不同。但是,以日常对话为内容的问答,是基于任一领域的日常问答系统都涉及到的。而且,系统在日常对话方面回答的优劣,在很大程度上，会影响到用户对整个系统性能的评价。如何提高交互式问答系统在日常对话中的人性化和智能化,是本课题的主要研究内容。　　本课题主要从以下几个方面着手:　　(1)按类别组织构建日常对话问答库　　将日常对话功能视为交互式问答系统的一个独立模块,建立该模块的对话知识库。按照日常对话所讨论对象的范围,将知识库分为19个类别,选用AIML语言编写。通过ALICE系统的接口,对用户的问句,使用基于模式匹配的算法在知识库中搜索匹配答案,给出回复。AIML语言支持两种正则表达式模糊匹配,一定程度上，扩大了系统可应答范围。　　(2)用户对话按照对话场景进行层次分类,给出基于类别的回复处理对于在日常对话库中无法准确匹配的问句,按其所属的对话场景进行分类,针对类别给出对应的处理方法,或者基于类别的模糊回答。本课题中,收集、观察并分析了用户与系统间的问答记录,根据人机对话场景、系统的回答模式和用户的提问方式,确定了日常对话分类的类别。经过初步试验,对日常对话分类类别进行了调整,最后通过两层分类实现。分类所用语料为经过多人标注的真实环境下的人机问答对话记录。第一层分类用金融词汇对问句进行过滤,得到日常类对话。第二层分类是对日常类对话进行细分类。通过分析日常类对话在各个类别的分布,将最初的19个类别调整为最终的14个类别标签。对问句提取的特征,包括:词、扩展词、词性、语义、问句模板、正负情感词、句子结构等,使用信息增益方法进行特征选择,并分别用朴素贝叶斯、k最近邻和支持向量机的分类方法进行分类测试。在收集到的1002条问句的测试集上，最终的分类准确率达到了68.84％,召回率为63.50%,F1值为61.99%。在日常对话知识库中匹配失败的问句,针对其分类类别进行对应场景下的处理方式。　　(3)用户问句复述识别　　识别同一用户的重复提问,并给出人性化提示,而不是反复给出相同的检索答案,是系统智能性得到提高的一个表现方面。问句复述的判定,还可以用来识别出库中与用户对话同义的对话,扩大可以应答的范围。问句复述的识别,通过问句相似度计算的方法来实现。一种是基于词频的方法,一种是借助于 HowNet、基于语义的方法。本课题,在收集的相似日常对话测试集上，进行了多组对比实验,将最终的问句复述判定阈值设为0.9211。