自动问答系统(Question Answering System,QAS)作为新一代的信息检索系统,是自然语言处理与人工智能相结合的产物,它允许用户使用自然语言问句提问,并将准确、简洁的检索答案返还给用户。将自动问答系统与教育领域的深度融合,是“互联网+教育”领域炙手可热的研究方向之一。论文选择“Python程序知识”为特定领域,以自动问答系统的问句预处理、信息检索、答案抽取三个核心部分为研究切入点,并通过网络爬虫技术与人工整理相结合构建了领域知识库,设计并实现了一套能自动回答“Python程序知识”的教育领域问答系统。本文的主要工作内容如下:(1)分析领域数据组成,实现面向多数据源构建领域知识库。根据程序设计语言领域数据特点,采用网络爬虫技术分别从百度百科与百度知道抓取领域数据,并结合各大高校领域知识信息文本人工组建Python程序设计领域常见问题知识库(FAQ)。(2)研究基于Word2Vec的关键技术。首先针对传统TextRank算法提取文本特征词忽略词汇之间连接关系的问题,采用一种使用Word2Vec将知识库中问题语料文本训练成候选特征词词向量集,并根据候选特征词汇节点之间相似度和是否存在相邻关系进行非均匀分配节点权重的方式融合TextRank算法提取特征词;然后使用基于Word2Vec的CBOW模型训练用户问句特征词,通过余弦相似度计算与问题语料特征词集之间的相似度值,根据相似度值实现问句匹配。(3)借助Jieba分词工具,结合自定义计算机专业领域词典提高领域专业词汇分词准确率。(4)采用Python语言和MySQL数据库开发,使用Flask web框架、node.js+vue前端技术实现系统可视化,设计并实现了一个致力于提高学生自主学习能力的Python知识自动问答系统。